Python數據可視化之scatter( )函數

2021-01-08 一起學python

使用scatter( )繪製散點圖並設置其樣式

有時候,需要繪製散點圖並設置各個數據點的樣式。例如,你可能想以一種顏色顯示較小的值,而用另一種顏色顯示較大的值。繪製大型數據集時,你還可以對每個點都設置同樣的樣式。再使用不同的樣式選項重新繪製某些點以突出它們。

要繪製單個點,可以使用函數scatter( ),並向它傳遞一對x和y坐標,它將在指定位置繪製一個點。

下面我們來設置輸出的樣式,使其更有趣:添加標題,給軸加上標籤,並確保所有文本都大到能夠看清:

在這裡,我們調用了scatter( )函數,並使用實參s設置了繪製圖形時使用的點的尺寸。如果此時運行了我們這個程序,就將看到如上所示的圖表中間的一個點。

使用scatter( )繪製一系列點

要繪製一系列點,可以向scatter( )函數傳遞兩個分別包含x值和y值的列表,如下所示:

列表x_values包含要計算其平方值的數字,而列表y_values包含前面說的每個數字的平方值。將這些倆表傳遞給scatter( )時,matplotlib依次從每個列表中讀取一個值來繪製一個點。要繪製的點的坐標分別(1,1)、(2,4)、(3,9)、(4,16)和(5,25),最終的結果如上所示。

自動計算數據

手工計算列表要包含的值可能計算效率較低,需要繪製的點很多時尤其如此。可以不用手工計算包含點坐標的列表,而讓Python循環來替我們完成這種計算。下面是繪製一千個點的代碼:

我們首先創建了一個包含x值的列表,其中包含數字1~1000。接下來是生成y值的解析列表,它遍歷x的值,計算其平方值(x**2),並將結果存儲到列表y_values中。然後,將輸入列表和輸出列表傳遞給scatter( )函數。

由於這個數據集比較大,因此,我們將點設置的比較小,並使用axis( )函數制定了每個坐標軸的取值範圍。函數axis( )要求提供四個值,x和y坐標的最大值和最小值。在這裡,我們將x坐標軸的範圍設置為0-1100,y坐標軸的取值範圍設置為0-1100000。結果如上所示。

相關焦點

  • 超硬核的 Python 數據可視化教程!
    Python實現可視化的三個步驟:確定問題,選擇圖形 轉換數據,應用函數 參數設置,一目了然 1、首先,要知道我們用哪些庫來畫圖?matplotlibpython中最基本的作圖庫就是matplotlib,是一個最基礎的Python可視化庫,一般都是從matplotlib上手Python數據可視化,然後開始做縱向與橫向拓展。
  • Python學習第90課-數據可視化之散點圖繪製
    【每天幾分鐘,從零入門python編程的世界!】今天我們學習散點圖,在統計學或者機器學習方面,或者在金融風險控制方面,金融風險控制經常要看異常交易、信貸風險,做這樣的分析就要用到一個圖--散點圖(scatter plot)。
  • Python數據可視化技能提升—用好matplotlib第1篇
    好啦,既然有朋友提出需要來啦,那今天咱們就聊點Python數據可視化相關的東東吧,說到Python的數據可視化呢,就必須提Python的一個庫哦,它就是大名鼎鼎的matplotlib庫,也是目前用得最多的Python數據可視化庫哦,matplotlib其實把MatLab的很多優點都借鑑了過來,所以呢,熟悉MatLab的朋友,對於matplotlib是上手很快的哦!
  • 如何在Python中創建交互式可視化?(建議收藏)
    如何在Python中創建交互式可視化。在探索添加更多交互控制項之前,我們將僅以不同格式繪製數據開始。如果您一直關注我一段時間,會注意到這是數據可視化系列文章中的第三篇。首先使用默認的python可視化庫matplotlib引入了數據可視化。然後,我們學習了如何使用相同的庫在時間序列上創建動畫可視化效果。
  • python可視化
    基於pandas的內置可視化基本繪圖Series和DataFrame上的這個功能只是使用matplotlib庫的plot()方法的簡單包裝實現。一幅數據圖基本上包括如下結構:Data: 數據區,包括數據點、描繪形狀Axis: 坐標軸,包括 X 軸、 Y 軸及其標籤、刻度尺及其標籤Title: 標題,數據圖的描述Legend: 圖例,區分圖中包含的多種曲線或不同分類的數據其他的還有圖形文本 (Text)、註解 (Annotate)等其他描述3.畫法下面以常規圖為例,詳細記錄作圖流程及技巧。
  • 強烈推薦一款Python可視化神器!強烈必備!
    使用 Plotly Express 輕鬆地進行數據可視化一旦導入Plotly Express(通常是 px ),大多數繪圖只需要一個函數調用,接受一個整潔的Pandas dataframe,並簡單描述你想要製作的圖。 如果你想要一個基本的散點圖,它只是 px.scatter(data,x =「column_name」,y =「column_name」)。
  • Python可視化Seaborn庫詳解——繪圖方法
    在《Python可視化Seaborn庫詳解——繪圖設置》一文中,我們介紹了Seaborn庫的繪圖參數設置,本文我們將介紹具體的繪圖方法。其實雖然Seaborn庫看著繪圖函數多,但有幾個函數的泛化性非常強,通過參數的設置是可以繪出多種圖形的。為了便於掌握這些函數,本文會對這些方法進行歸納整理,力爭做到提綱挈領的目的。
  • 散點圖、箱線圖、核密度函數……數據分析必備的9種可視化圖表
    ,可視化技術可是數據科學家的必備技能之一。本文將介紹九種不同的可視化技術,可以用來分析任何數據集,並且大多數都只需要少輸入一行代碼。就兩個字,好用!餅狀圖可以使用餅狀圖來可視化目標變量的類計數。我們將在這裡對正在處理的Iris數據集進行處理。同樣需要一些輔助函數,這次使用的是groupby和count。
  • Python數據可視化實例之繪製圖表
    Python數據可視化實例之繪製圖表原創 蟲蟲安全 2018-09-05 17:41:57得利於語言的簡單明了、豐富的數據結構、豐富的類和模塊,Python如今成了數據科學中的香餑餑,成了matlab、R語言之外又一強大的數據分析工具。拋開其他方面的、今天蟲蟲帶大家一起來探索Python在數據可視化方面的應用。
  • Python可視化很簡單,一文教你繪製餅圖、極線圖和氣泡圖
    matplotlib庫作為Python數據化可視化的最經典和最常用庫,掌握了它就相當於學會了Python的數據化可視化,上次呢,已經和大家聊了關於柱狀圖、條形圖和直方圖相關的東東,相信大家已經掌握了哈,那今天呢,咱們再繼續聊哦,一起聊聊關於Python如何繪製餅圖、極線圖和氣泡圖吧!好啦,廢話少說,咱們就開始吧!
  • 用Python演繹5種常見可視化視圖
    注意:想要更深層次的理解,需要自己動手跑代碼,體驗數據可視化過程如果你想要用Python進行數據分析,就需要在項目初期開始進行探索性的數據分析,這樣方便你對數據有一定的了解。其中最直觀的就是採用數據可視化技術,這樣,數據不僅一目了然,而且更容易被解讀。
  • 提高編程能力:Python數據可視化技能提升——好matplotlib第2篇
    上次已經和大家聊了Python數據可視化的經典庫:matplotlib,大家已經知道啦,matplotlib庫是Python中用於繪製二維、三維等這些圖表的數據可視化工具,並且已經和大家聊完了關於matplotlib庫的安裝啦、還有matplotlib庫的兩個函數,分別是plot()函數和scatter()函數哦,相信大家已經對於這兩個函數的用法掌握啦,在這就不多說了哈,如果還想繼續了解
  • 使用Matplotlib可視化數據的5個強大技巧
    數據可視化用於以更直接的表示方式顯示數據,並且更易於理解。它可以用柱狀圖、散點圖、折線圖、餅圖等形式形成。許多人仍然使用Matplotlib作為後端模塊來可視化他們的圖形。在這個故事中,我將給你一些技巧,使用Matplotlib創建一個優秀圖表的5個強大技巧。1.
  • python應用之基於tensorflow的數據擬合:深度學習之預測入門篇
    實驗目的:1、了解python在深度學習領域的應用2、學習安裝python第三方依賴庫實驗環境:已正確安裝python3.5以及依賴庫tensorflow、matplotlib預測過程展示:1、應用領域python是一種高級面向對象的動態類型語言,具有開發高效,學習簡單的特點,主要應用於大數據、深度學習、
  • 一元線性回歸分析python - CSDN
    Linear Regression數據準備#多重線性回歸#數據準備import pandas as pddf=pd.read_csv('e:/python/out/corr.csv',encoding='utf8')df根據預測目標,確定自變量和因變量#多重線性回歸
  • 有這5小段代碼在手,輕鬆實現數據可視化(Python+Matplotlib)
    大數據文摘作品編譯:傅一洋、吳雙、龍牧雪本文要講的是Matplotlib,一個強大的Python可視化庫。一共5小段代碼,輕鬆實現散點圖、折線圖、直方圖、柱狀圖、箱線圖,每段代碼只有10行,也是再簡單不過了吧!數據可視化是數據科學家工作的一項主要任務。
  • Python視頻教程網課編程零基礎入門數據分析網絡爬蟲全套Python...
    Mov 1-2在線編譯工具weblde使用之指南.mov 2-1如何在列表,字典,集合中根據條件.MOV 2-2 3 4命名 統計 字典.mov 2-5公共鍵.mov 2-6 如何讓字典保持有序.mov 2-7歷史記錄.mov 3-1 2迭代器.mov 3-3如何使用生成器函數實現迭代對象
  • python一元線性回歸分析專題及常見問題 - CSDN
    Linear Regression數據準備#多重線性回歸#數據準備import pandas as pddf=pd.read_csv('e:/python/out/corr.csv',encoding='utf8')df根據預測目標,確定自變量和因變量#多重線性回歸
  • matplotlib的Python數據可視化和探索——入門指南
    matplotlib——最受歡迎的Python庫,用於數據可視化和探索我喜歡在Python中使用matplotlib。這是我學會掌握的第一個可視化庫,此後一直存在。matplotlib是最受歡迎的用於數據可視化和探索的Python庫,這是有原因的——它提供的靈活性和敏捷性是無與倫比的!
  • 超全Anaconda(Python整合包)導修(圖文詳解)
    name = 'edureka'for i in name:if i == 'a':breakelse:print(i)函數Python函數以一種高效的方式使代碼的重複使用性提高,為問題語句編寫邏輯,並運行一些參數以獲得最佳解決方案。下面是如何在python中使用函數的示例。