【精选】Python数据可视化之散点图(基础篇 |
您所在的位置：网站首页 › 雷达图不适合展现某个数据集的多个关键特征 › 【精选】Python数据可视化之散点图(基础篇 |
【精选】Python数据可视化之散点图(基础篇
|
Python数据可视化之散点图
介绍准备工作所需的库虚拟环境
简单散点图总结
两种不同颜色和图例的散点图总结
介绍
•数据可视化的应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。下面我们基于Python，介绍一下第一个常用知识点—散点图 准备工作 所需的库•为了使数据可视化我们需要安装下述的库，再进行可视化操作！！ •numpy：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 pip install numpy -i https://pypi.douban.com/simple•pandas:Pandas 是 Python 语言的一个扩展程序库，用于数据分析，还是一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算），还可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据 pip install pandas -i https://pypi.douban.com/simple•matplotlib：是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式 pip install matplotlib -i https://pypi.douban.com/simple 虚拟环境•建议在开始操作python可视化之前，创建一个新的虚拟环境，方便管理与操作！！！ •虚拟环境的作用：我们可以通过创建多个虚拟环境实现环境拆分，每个虚拟环境安装不同版本的库，从而满足不同的需求，各个虚拟环境之间相互独立、不对其它环境产生影响！！！ •虚拟环境参考博文：python虚拟环境的安装与配置(究极详细易理解版！！！) •上述博文博主亲测有效！！！ 简单散点图•代码需求：绘制一个一元函数的散点图 •使用matplotlib中的scatter()函数进行绘图！！ 代码测试： # 导入我们所需的库 as：即给库取别名，方便书写 import matplotlib.pyplot as plt import numpy as np # 定义数据 x = np.random.rand(10) # 取出10个随机数 y = x + x ** 2 - 10 # 用自定义关系确定y的值 # 绘图 # 1. 确定画布 plt.figure(figsize=(8, 4)) # figsize:确定画布大小 # 2. 绘图 plt.scatter(x, # 横坐标 y, # 纵坐标 c='red', # 点的颜色 label='function') # 标签 即为点代表的意思 # 3.展示图形 plt.legend() # 显示图例 plt.show() # 显示所绘图形图形展示： •如果需要将图片保存到本地需将上述代码中的的plt.show() # 显示所绘图形更换成如下代码： plt.savefig('需要保存图片的路径地址/图片名.jpg') # 图片名可自定义(必须写图片名称.jpg) 总结•plt.show()不能和plt.savefig()同时使用，即为展示图片和保存图片不能同时使用！！ •横坐标与纵坐标可以随意取值，但必须要有！！ •当scatter()函数中有label属性时，必须要有显示图例语句！！即：plt.legend() •scatter()函数中还有s属性，为数据点尺寸大小！！ s=50 #数据点尺寸大小•横坐标x与纵坐标y的值是一一对应的，一个x对应生成一个y！！ 两种不同颜色和图例的散点图•代码需求：将十个不同的点分成（0,1）两类，每一类都展示不同的颜色！！！ 代码测试： # 导入我们所需的库 as：即给库取别名，方便书写 import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.random.rand(10, 2) # 生成10行 2列的数据集 y = np.array([0, 0, 1, 0, 1, 1, 0, 1, 0, 1]) # 二分类，将生成的数据点(x，y)分成0,1两类 # 绘图 # 1.确定画布 plt.figure(figsize=(8, 4)) colors = ['red', 'green'] # 建立颜色列表 labels = ['Zero', 'One'] # 建立标签类别列表 # 2.绘图 for i in range(x.shape[1]): # shape[] 类别的种类数量(2) plt.scatter(x[y == i, 0], # 横坐标 x[y == i, 1], # 纵坐标 c=colors[i], # 颜色 label=labels[i]) # 标签 # 3.展示图形 plt.legend() # 显示图例 plt.show() # 显示图片图片展示： •当使用多种不同颜色来绘图时，需要使用循环在同一画布进行绘制，循环次数为分类的种类数量，即为：x.shape[1] x 分类种类数量 (2) ！！ •循环一次画一个颜色类别的点！！ •需要分别建立颜色列表，标签类别列表，循环时进行使用！！ •横，纵坐标使用切片的方式获得！！ |
【本文地址】
今日新闻 |
推荐新闻 |