Apprentissage approfondi : Maîtrisez les techniques avancées de matplotlib pour dessiner des nuages ​​de points

Guide avancé : maîtrisez les compétences avancées de dessin de nuages ​​de points de Matplotlib

Introduction :
Matplotlib est une bibliothèque de dessins puissante, flexible et facile à utiliser qui fournit de riches fonctions de dessin graphique. Parmi eux, le nuage de points est une méthode de visualisation de données couramment utilisée, qui peut afficher de manière plus intuitive la relation entre les données. Cet article présentera les techniques de dessin de nuages ​​de points avancés dans Matplotlib et fournira des exemples de code spécifiques.

1. Dessin de nuage de points de base
Avant d'utiliser Matplotlib pour dessiner un nuage de points, vous devez importer les bibliothèques et les données pertinentes. Ce qui suit est un exemple de dessin de nuage de points de base :

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(1)
x = np.random.randn(100)
y = np.random.randn(100)

# 绘制散点图
plt.scatter(x, y)

# 添加标题和标签
plt.title("Basic Scatter Plot")
plt.xlabel("X")
plt.ylabel("Y")

# 显示图形
plt.show()

L'exécution du code ci-dessus générera un nuage de points de base, dans lequel les axes x et y représentent respectivement les deux dimensions des données.

2. Ajustez le style du nuage de points
Vous pouvez ajuster le style du nuage de points en modifiant les paramètres pour rendre le graphique plus accrocheur. Voici quelques réglages de paramètres couramment utilisés :

# 绘制散点图（修改参数）
plt.scatter(x, y, c='red', s=100, alpha=0.5, marker='o', edgecolors='black')

# 添加标题和标签
plt.title("Customized Scatter Plot")
plt.xlabel("X")
plt.ylabel("Y")

# 显示图形
plt.show()

Dans le code ci-dessus, nous utilisons le paramètre c pour définir la couleur des points de dispersion sur rouge, et les s pour définir la taille des points de dispersion à 100, le paramètre alpha définit la transparence des points de dispersion à 0,5, le paramètre marker définit la forme des points de dispersion à un cercle, et le paramètre edgecolors définit les points de dispersion. La couleur de la bordure est noire. c参数设置散点的颜色为红色，s参数设置散点的大小为100，alpha参数设置散点的透明度为0.5，marker参数设置散点的形状为圆形，edgecolors参数设置散点的边界颜色为黑色。

三、绘制多组散点图
在某些情况下，我们需要同时绘制多组散点图，以展示不同数据之间的关系。以下是一个绘制多组散点图的示例：

# 生成随机数据
np.random.seed(1)
x1 = np.random.randn(100)
y1 = np.random.randn(100)
x2 = np.random.randn(100)
y2 = np.random.randn(100)

# 绘制散点图（多组）
plt.scatter(x1, y1, c='red', label='Group 1')
plt.scatter(x2, y2, c='blue', label='Group 2')

# 添加标题和标签
plt.title("Multiple Scatter Plots")
plt.xlabel("X")
plt.ylabel("Y")

# 添加图例
plt.legend()

# 显示图形
plt.show()

以上代码中，我们通过多次调用scatter函数来绘制两组散点图，分别使用红色和蓝色表示。通过label参数设置每组散点图的标签，并使用legend函数在图形中添加图例。

四、使用颜色映射
当数据具有某种特定意义时，可以将颜色作为一个额外的维度来表示。以下是一个使用颜色映射绘制散点图的示例：

# 生成随机数据
np.random.seed(1)
x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)

# 绘制散点图（使用颜色映射）
plt.scatter(x, y, c=colors, cmap='viridis')

# 添加颜色映射说明
cbar = plt.colorbar()
cbar.set_label("Color")

# 添加标题和标签
plt.title("Scatter Plot with Color Mapping")
plt.xlabel("X")
plt.ylabel("Y")

# 显示图形
plt.show()

以上代码中，我们通过c参数传递一个数组作为颜色映射的依据，再通过cmap参数指定使用的颜色映射方案。然后使用colorbar

3. Dessinez plusieurs ensembles de nuages ​​de points

Dans certains cas, nous devons dessiner plusieurs ensembles de nuages ​​de points en même temps pour montrer la relation entre différentes données. Voici un exemple de dessin de plusieurs ensembles de nuages ​​de points :
rrreee

Dans le code ci-dessus, nous dessinons deux ensembles de nuages ​​de points en appelant plusieurs fois la fonction scatter, en utilisant respectivement le rouge et le bleu. Définissez l'étiquette de chaque ensemble de nuages ​​de points via le paramètre label et utilisez la fonction legend pour ajouter une légende au graphique. 🎜🎜4. Utilisez le mappage des couleurs🎜Lorsque les données ont une signification spécifique, la couleur peut être représentée comme une dimension supplémentaire. Voici un exemple d'utilisation du mappage de couleurs pour dessiner un nuage de points : 🎜rrreee🎜Dans le code ci-dessus, nous passons un tableau via le paramètre c comme base du mappage de couleurs, puis passons cmap spécifie le schéma de mappage de couleurs à utiliser. Utilisez ensuite la fonction colorbar pour ajouter des instructions de mappage de couleurs. 🎜🎜Conclusion : 🎜Grâce à l'introduction de cet article, nous avons appris à utiliser Matplotlib pour dessiner des nuages ​​de points avancés. Nous pouvons utiliser des techniques telles que l'ajustement des styles, le dessin de plusieurs ensembles de nuages ​​de points et l'utilisation du mappage de couleurs pour montrer la relation entre les données. J'espère que cet article vous a été utile dans la 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!