Comment colorer des marqueurs de dispersion basés sur une troisième variable en Python ?

Comment colorer les marqueurs de dispersion en fonction d'une troisième variable

Le nuage de points, un puissant outil de visualisation dans matplotlib, vous permet d'explorer les relations entre variables. Dans certains cas, vous souhaiterez peut-être ombrer les points d'un nuage de points en fonction d'une troisième variable pour révéler des modèles ou des informations supplémentaires.

Pour colorer les marqueurs de dispersion en fonction d'une troisième variable, vous pouvez utiliser le paramètre c du fonction de dispersion. Ce paramètre contrôle la couleur de chaque point, vous permettant de mapper les valeurs de la troisième variable à des couleurs spécifiques.

Par exemple, considérons un nuage de points dans lequel vous souhaitez ombrer les points en fonction de leurs valeurs p correspondantes :

plt.scatter(w, M, c=p, marker='s')

Ici, w et M sont les points de données à tracer, et p est la troisième variable que vous souhaitez utiliser pour la coloration. Cependant, ce code colorera les marqueurs en utilisant la palette de couleurs par défaut, ce qui peut ne pas convenir si vous souhaitez créer une représentation en niveaux de gris.

Pour spécifier les couleurs en niveaux de gris, vous pouvez utiliser soit la fonction gray(), soit fournir un palette de couleurs en niveaux de gris au paramètre cmap de la fonction scatter :

# Gray out the colors
plt.scatter(w, M, c=p, marker='s')
plt.gray() 

# Specify a grayscale colormap
plt.scatter(x, y, c=y, s=500, cmap='gray')

La fonction gray() convertit simplement les couleurs actuelles en niveaux de gris, tandis que l'utilisation d'une palette de couleurs en niveaux de gris vous permet de choisir parmi une plage plus large. de représentations en niveaux de gris prédéfinies. En utilisant ces techniques, vous pouvez efficacement ombrer les marqueurs de dispersion en fonction d'une troisième variable, fournissant ainsi un contexte et une compréhension supplémentaires à votre visualisation de données.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!