MATPLOTLIB.PYPLOT.SCATTER() IN PYTHON

Matplotlib ist eine umfangreiche Bibliothek in Python und bietet die Möglichkeit, statische, animierte und interaktive Visualisierungen zu generieren. Die Matplotlib.pyplot.scatter() in Python erstreckt sich auf die Erstellung verschiedener Diagramme wie Streudiagramme, Balkendiagramme, Kreisdiagramme, Liniendiagramme, Histogramme, 3D-Diagramme und mehr.

Für ein tiefergehendes Verständnis finden Sie weitere Informationen im Ratgeber mit dem Titel Python Matplotlib – Ein Überblick .

Was ist Matplotlib.pyplot.scatter()?

Der matplotlib.pyplot.scatter() Diagramme dienen als visuelles Werkzeug zum Erkunden und Analysieren der Beziehungen zwischen Variablen und verwenden Punkte, um die Verbindung zwischen ihnen darzustellen. Die Matplotlib-Bibliothek stellt die bereit streuen() Methode, die speziell für die Erstellung von Streudiagrammen entwickelt wurde. Diese Diagramme dienen dazu, die gegenseitigen Abhängigkeiten zwischen Variablen zu veranschaulichen und zu veranschaulichen, wie sich Änderungen einer Variablen auf eine andere auswirken können

Syntax : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=None, c=None, marker=None, cmap=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None)

Parameter:

x_axis_data> : Ein Array mit Daten für die x-axis.matplotlib

s> : Markergröße, die ein Skalar oder ein Array mit einer Größe sein kann, die der Größe von x oder y entspricht.

c> : Farbe der Farbfolge für Markierungen.

marker> : Markierungsstil.

cmap> : Name der Farbkarte.

linewidths> : Breite des Markierungsrahmens.

edgecolor> : Farbe des Markierungsrahmens.

alpha> : Mischwert im Bereich zwischen 0 (transparent) und 1 (undurchsichtig).

Ausser für x_axis_data> Und y_axis_data> Alle anderen Parameter sind optional und ihre Standardwerte sind auf „Keine“ festgelegt. Die folgenden Beispiele für Streudiagramme veranschaulichen die Vielseitigkeit der Methode „scatter()“, indem sie verschiedene Kombinationen dieser optionalen Parameter zeigen.

Es gibt verschiedene Möglichkeiten, Diagramme mit matplotlib.pyplot.scatter() in Python zu erstellen. Es gibt einige Beispiele, die dies veranschaulichen matplotlib. pyplot.scatter() Funktion in matplotlib.plot:

Grundlegendes Streudiagramm
Streudiagramm mit mehreren Datensätzen
Blasendiagramm
Maßgeschneidertes Streudiagramm

Streudiagramm in Matplotlib

Durch den Import von matpltlib. plot() haben wir ein Streudiagramm erstellt. Es definiert x- und y-Koordinaten, zeichnet dann die Punkte in Blau auf und zeigt das Diagramm an.

lokales Datum

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()>

Ausgabe :

Grundlegendes Streudiagramm

Stellen Sie mehrere Datensätze in einem Streudiagramm dar

Der folgende Code generiert ein Streudiagramm, das zwei unterschiedliche Datensätze mit jeweils eigenen x- und y-Koordinaten zeigt. Der Code verwendet verschiedene Markierungen, Farben und Stiloptionen für eine verbesserte Visualisierung.

int zu char

Python3

Multithreading in Java

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()>

Ausgabe :

Streudiagramm mit mehreren Datensätzen

Blasendiagramme in Matplotlib

Dieser Code generiert mithilfe von Matplotlib ein Blasendiagramm. Es zeichnet Punkte mit angegebenen x- und y-Koordinaten auf, die jeweils durch eine Blase dargestellt werden, deren Größe durch die bestimmt wird bubble_sizes> Liste. Das Diagramm verfügt über Anpassungsmöglichkeiten für Transparenz, Kantenfarbe und Linienbreite. Schließlich wird das Diagramm mit einem Titel und Achsenbeschriftungen angezeigt.

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()>

scanner.next Java

Ausgabe :

Blasendiagramm

Passen Sie ein Matplotlib-Streudiagramm an

Durch den Import von Matplotlib erstellen wir ein benutzerdefiniertes Streudiagramm mit Matplotlib Und NumPy . Es generiert Zufallsdaten für x- und y-Koordinaten, Farben und Größen. Anschließend wird das Streudiagramm mit benutzerdefinierten Eigenschaften wie Farbe, Größe, Transparenz und Farbkarte erstellt. Der Plot enthält einen Titel, Achsenbeschriftungen und eine Farbintensitätsskala. Abschließend wird der Plot angezeigt

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()>

Schaltfläche im mittleren CSS

Ausgabe :

Maßgeschneidertes Streudiagramm

Abschluss

Abschließend, matplotlib.pyplot.scatter()> Python ist ein vielseitiges und leistungsstarkes Tool zur Visualisierung von Beziehungen zwischen Variablen durch Streudiagramme. Seine Flexibilität ermöglicht die individuelle Anpassung von Markierungen, Farben, Größen und anderen Eigenschaften und bietet so eine dynamische Möglichkeit zur Darstellung komplexer Datenmuster. Ob für eine grundlegende explorative Analyse oder eine detaillierte Dateninterpretation, diese Funktion spielt eine entscheidende Rolle bei der Erstellung informativer und optisch ansprechender Streudiagramme innerhalb der Python-Programmierumgebung.