快捷導(dǎo)航

Python matplotlib繪制散點(diǎn)圖的實(shí)例代碼

更新時(shí)間：2021年06月07日 11:36:10 作者：機(jī)器視覺之眼

這篇文章主要給大家介紹了關(guān)于Python matplotlib繪制散點(diǎn)圖的相關(guān)資料，所謂散點(diǎn)圖就是反映兩組變量每個(gè)數(shù)據(jù)點(diǎn)的值,并且從散點(diǎn)圖可以看出它們之間的相關(guān)性,需要的朋友可以參考下

前言

前面說到的主要是matplotlib對于圖像的基礎(chǔ)操作，然后從這篇開始，主要說一下點(diǎn)圖，分析點(diǎn)圖在實(shí)際問題的數(shù)據(jù)處理中應(yīng)用非常廣泛，比如說邏輯回歸是利用現(xiàn)有的數(shù)據(jù)點(diǎn)通過擬合得到一定的函數(shù)關(guān)系，甚至生活中，物體運(yùn)動(dòng)的軌跡，也可以看做是連續(xù)的點(diǎn)繪制而成，還有圖像，也是很多個(gè)像素點(diǎn)堆砌而成的，在圖像處理中經(jīng)常會(huì)針對單個(gè)像素點(diǎn)進(jìn)行處理。

現(xiàn)在的深度學(xué)習(xí)或者機(jī)器學(xué)習(xí)，模型都是固定的，大多不需要怎么改動(dòng)，而能提升訓(xùn)練效果的，最重要的就是能更好的處理數(shù)據(jù)，而很多數(shù)據(jù)本身就是點(diǎn)集，利用matplotlib將點(diǎn)繪制成可視化的圖像，也方便人工智能工程師的分析理解，畢竟可視化的效果，總比看著枯燥的數(shù)據(jù)想象要來的更好。

在python中畫散點(diǎn)圖主要是用matplotlib模塊中的scatter函數(shù)，先來看一下scatter函數(shù)的基本信息。

可以看到scatter中有很多參數(shù)，經(jīng)常使用的參數(shù)主要有以下幾個(gè)：

散點(diǎn)圖

以下是一個(gè)散點(diǎn)圖的簡單演示，利用numpy的random函數(shù)生成隨機(jī)數(shù)，然后將這些點(diǎn)畫出來。如圖安裝圖中API設(shè)置窗口的參數(shù)，這里簡單說一下cmap='jet_r'這個(gè)，jet_r是一個(gè)顏色映射算法，就是系統(tǒng)會(huì)根據(jù)圖像中的信息自動(dòng)配置顏色，這里也可以自己設(shè)置顏色，也可以用其他的顏色映射表示。

繪制散點(diǎn)圖相關(guān)API:

mp.scatter(
	xarray, yarray,  # 給出點(diǎn)的坐標(biāo)
    marker='',		 # 點(diǎn)型
    s = 60,			 # 點(diǎn)的大小
    edgecolor='',	 # 邊緣色
    facecolor='',	 # 填充色
    zorder=3,		 # 繪制圖層編號 
    c=d,			 # 設(shè)置過渡性顏色
    cmap='jet'		 # 顏色映射
)

隨機(jī)生成符合正態(tài)分布的隨機(jī)數(shù):

n = 500
# 隨機(jī)生成n個(gè)數(shù)
# 172: 數(shù)學(xué)期望
# 20:  標(biāo)準(zhǔn)差
x = np.random.normal(172, 20, n)

import numpy as np
import matplotlib.pyplot as mp

n = 500
# 隨機(jī)生成500個(gè)樣本身高
x = np.random.normal(172, 10, n)
# 隨機(jī)生成500個(gè)樣本體重
y = np.random.normal(65, 10, n)

mp.figure('Persons', facecolor='lightgray')
mp.title('Person Points', fontsize=16)
mp.xlabel('Height', fontsize=12)
mp.ylabel('Weight', fontsize=12)
mp.tick_params(labelsize=10)
mp.grid(linestyle=':')

d = (x-172)**2 + (y-65)**2
mp.scatter(x, y, c=d, cmap='jet_r',
	alpha=0.6, label='Person', s=50)
mp.legend()
mp.show()