MATPLOTLIB.PYPLOT.SCATTER() IN PYTHON

Matplotlib si presenta come un'ampia libreria in Python, offrendo la capacità di generare visualizzazioni statiche, animate e interattive. Matplotlib.pyplot.scatter() in Python si estende alla creazione di diversi grafici come grafici a dispersione, grafici a barre, grafici a torta, grafici a linee, istogrammi, grafici 3D e altro ancora.

Per una comprensione più approfondita, ulteriori informazioni possono essere trovate nella guida intitolata Python Matplotlib: una panoramica .

Cos'è Matplotlib.pyplot.scatter()?

IL matplotlib.pyplot.scatter() i grafici servono come strumento visivo per esplorare e analizzare le relazioni tra le variabili, utilizzando punti per rappresentare la connessione tra loro. La libreria matplotlib fornisce il file dispersione() metodo, specificamente progettato per creare grafici a dispersione. Questi grafici sono fondamentali per illustrare le interdipendenze tra le variabili e il modo in cui le alterazioni in una variabile possono influenzarne un'altra

Sintassi : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Nessuno, c=Nessuno, marker=Nessuno, cmap=Nessuno, vmin=Nessuno, vmax=Nessuno, alpha=Nessuno, linewidths=Nessuno, edgecolors=Nessuno)

parametri:

x_axis_data> : un array contenente dati per x-axis.matplotlib

s> : dimensione del marcatore, che può essere uno scalare o un array di dimensioni pari alla dimensione di x o y.

c> : Colore della sequenza di colori per i marcatori.

marker> : Stile marcatore.

cmap> : nome della mappa colori.

linewidths> : Larghezza del bordo del marcatore.

edgecolor> : Colore del bordo del contrassegno.

alpha> : Valore di fusione, compreso tra 0 (trasparente) e 1 (opaco).

Eccetto per x_axis_data> E y_axis_data> , tutti gli altri parametri sono facoltativi, con i valori predefiniti impostati su Nessuno. Gli esempi di grafici a dispersione riportati di seguito dimostrano la versatilità del metodo scatter() mostrando varie combinazioni di questi parametri opzionali.

Esistono vari modi per creare grafici utilizzando matplotlib.pyplot.scatter() in Python, ci sono alcuni esempi che illustrano il matplotlib. pyplot.scatter() funzione dentro matplotlib.plot:

Grafico a dispersione di base
Grafico a dispersione con più set di dati
Tracciato del grafico a bolle
Grafico a dispersione personalizzato

Grafico a dispersione in Matplotlib

Importando matpltlib. plot() abbiamo creato un grafico a dispersione. Definisce le coordinate xey, quindi traccia i punti in blu e visualizza il grafico.

Python3

import> matplotlib.pyplot as plt> x>=>[>5>,>7>,>8>,>7>,>2>,>17>,>2>,>9>,> >4>,>11>,>12>,>9>,>6>]> y>=>[>99>,>86>,>87>,>88>,>100>,>86>,> >103>,>87>,>94>,>78>,>77>,>85>,>86>]> plt.scatter(x, y, c>=>'blue'>)> # To show the plot> plt.show()>

Java ciao mondo

Produzione :

Grafico a dispersione di base

Traccia più set di dati su un grafico a dispersione

Il codice seguente genera un grafico a dispersione che mostra due set di dati distinti, ciascuno con il proprio set di coordinate xey. Il codice utilizza diversi marcatori, colori e opzioni di stile per una visualizzazione migliorata.

Python3

import> matplotlib.pyplot as plt> # dataset-1> x1>=> [>89>,>43>,>36>,>36>,>95>,>10>,> >66>,>34>,>38>,>20>]> y1>=> [>21>,>46>,>3>,>35>,>67>,>95>,> >53>,>72>,>58>,>10>]> # dataset2> x2>=> [>26>,>29>,>48>,>64>,>6>,>5>,> >36>,>66>,>72>,>40>]> y2>=> [>26>,>34>,>90>,>33>,>38>,> >20>,>56>,>2>,>47>,>15>]> plt.scatter(x1, y1, c>=>'pink'>,> >linewidths>=> 2>,> >marker>=>'s'>,> >edgecolor>=>'green'>,> >s>=> 50>)> plt.scatter(x2, y2, c>=>'yellow'>,> >linewidths>=> 2>,> >marker>=>'^'>,> >edgecolor>=>'red'>,> >s>=> 200>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.show()>

Produzione :

Grafico a dispersione con più set di dati

Grafici a bolle in Matplotlib

Questo codice genera un grafico a bolle utilizzando Matplotlib. Traccia punti con coordinate xey specificate, ciascuno rappresentato da una bolla con una dimensione determinata da bubble_sizes> elenco. Il grafico può essere personalizzato in termini di trasparenza, colore dei bordi e larghezza della linea. Infine, visualizza la trama con un titolo e le etichette degli assi.

Python3

import> matplotlib.pyplot as plt> # Data> x_values>=> [>1>,>2>,>3>,>4>,>5>]> y_values>=> [>2>,>3>,>5>,>7>,>11>]> bubble_sizes>=> [>30>,>80>,>150>,>200>,>300>]> # Create a bubble chart with customization> plt.scatter(x_values, y_values, s>=>bubble_sizes, alpha>=>0.6>, edgecolors>=>'b'>, linewidths>=>2>)> # Add title and axis labels> plt.title(>'Bubble Chart with Transparency'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display the plot> plt.show()>

Produzione :

Grafico a bolle

Personalizza un grafico a dispersione Matplotlib

Importando Matplotlib creiamo un grafico a dispersione personalizzato utilizzando Matplotlib E NumPy . Genera dati casuali per coordinate xey, colori e dimensioni. Il grafico a dispersione viene quindi creato con proprietà personalizzate quali colore, dimensione, trasparenza e mappa dei colori. La trama include un titolo, etichette degli assi e una scala di intensità del colore. Infine viene visualizzata la trama

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> colors>=> np.random.rand(>50>)> sizes>=> 100> *> np.random.rand(>50>)> # Create a customized scatter plot> plt.scatter(x, y, c>=>colors, s>=>sizes, alpha>=>0.7>, cmap>=>'viridis'>)> # Add title and axis labels> plt.title(>'Customized Scatter Plot'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display color intensity scale> plt.colorbar(label>=>'Color Intensity'>)> # Show the plot> plt.show()>

Produzione :

Grafico a dispersione personalizzato

Conclusione

Insomma, matplotlib.pyplot.scatter()> Python è uno strumento versatile e potente per visualizzare le relazioni tra variabili attraverso grafici a dispersione. La sua flessibilità consente la personalizzazione di indicatori, colori, dimensioni e altre proprietà, fornendo un mezzo dinamico per rappresentare modelli di dati complessi. Sia per l'analisi esplorativa di base che per l'interpretazione dettagliata dei dati, questa funzione gioca un ruolo cruciale nella creazione di grafici a dispersione informativi e visivamente accattivanti all'interno dell'ambiente di programmazione Python.

potatura alfa-beta