matplotlib数据可视化分析（3）

您所在的位置：网站首页 › 怎么根据四维数据计算男女身高 › matplotlib数据可视化分析（3）

matplotlib数据可视化分析（3）

2024-07-16 21:49| 来源: 网络整理| 查看: 265

什么是散点图

散点图显示两组数据的值，每个点的坐标位置由变量的值决定。由一组不连续的点完成，用于观察两种变量的相关性。例如身高-体重、温度-维度等等。

举例我们来实现身高和体重的散点图： # coding:utf-8 import matplotlib.pyplot as plt

height = [161, 170, 182, 175, 173, 165] weight = [50, 58, 80, 70, 69, 55] plt.scatter(height, weight) plt.show()

在这里插入图片描述

可以看出身高和体重有明显的正相关关系。

相关性一般来说有三种情况：正相关、负相关、不相关。

一个不相关的例子：

# coding:utf-8 import matplotlib.pyplot as plt import numpy as np N = 1000 x = np.random.randn(N) y1 = np.random.randn(N) plt.scatter(x, y1) plt.show()

因为 x 和 y1 都是随机生成的，所以我们可以期望这两者是不相关的。在这里插入图片描述

一个正相关的例子：

# coding:utf-8 import matplotlib.pyplot as plt import numpy as np N = 1000 x = np.random.randn(N) y1 = x + np.random.randn(N)*0.5 plt.scatter(x, y1) plt.show()

在这里插入图片描述

实例：股票价格的涨幅 # coding:utf-8 import matplotlib.pyplot as plt import numpy as np open_data, close_date = np.loadtxt('000001.csv', delimiter=',', skiprows=1, usecols=(1, 4), unpack=True) change_data = open_data - close_date print change_data # 数据的大小　(242,) print change_data.shape # 计算涨幅的时候我们需要取其前　241　个以及后　241 个 # 用这两批数据形成散点图　即为前一天和后一天的涨幅 yesterday_data = change_data[:-1] today_data = change_data[1:] plt.scatter(yesterday_data, today_data) plt.show()

图形如图：在这里插入图片描述

由图可知，前一天的涨幅和后一天的涨幅没有太大的关系。

散点图的外观调整

用的比较多的几个是：（1）颜色，c （2）点大小，s （3）透明度，alpha （4）点形状，marker

以股票上一小节的股票绘图为例，

调整点的大小 plt.scatter(yesterday_data, today_data, s=100)

在这里插入图片描述

s 默认是 10 ，s = 10 和 s = 100 是面积相差为 10 倍的关系。

调整点的颜色 plt.scatter(yesterday_data, today_data, c='r')

在这里插入图片描述

调节点的形状 plt.scatter(yesterday_data, today_data, marker='

【本文地址】

matplotlib数据可视化分析（3）

matplotlib数据可视化分析（3）

今日新闻

推荐新闻