Rumah  >  Artikel  >  pembangunan bahagian belakang  >  Gunakan matplotlib untuk merealisasikan aplikasi praktikal plot taburan set data

Gunakan matplotlib untuk merealisasikan aplikasi praktikal plot taburan set data

王林
王林asal
2024-01-17 09:43:061189semak imbas

Gunakan matplotlib untuk merealisasikan aplikasi praktikal plot taburan set data

Langkah praktikal: Gunakan Matplotlib untuk melukis plot taburan set data

Matplotlib ialah salah satu perpustakaan lukisan yang biasa digunakan dalam Python Ia menyediakan fungsi yang kaya dan boleh melukis pelbagai jenis carta. Antaranya, plot taburan ialah kaedah visualisasi data yang biasa digunakan untuk menunjukkan hubungan antara dua pembolehubah. Artikel ini akan memperkenalkan cara menggunakan Matplotlib untuk melukis plot taburan set data dan melampirkan contoh kod tertentu.

Pertama, kita perlu memasang perpustakaan Matplotlib. Anda boleh menggunakan arahan pip untuk melaksanakan pernyataan berikut untuk memasang:

pip install matplotlib

Selepas pemasangan selesai, kami boleh mengimport perpustakaan Matplotlib dan mula melukis plot serakan.

import matplotlib.pyplot as plt

# 模拟数据集
x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

# 绘制散点图
plt.scatter(x, y)

# 添加标题和标签
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图像
plt.show()

Kod di atas mengimport pustaka Matplotlib dahulu, dan kemudian mentakrifkan dua senarai x dan y sebagai set data simulasi. Seterusnya, kami menggunakan fungsi serakan untuk melukis plot serakan, menghantar dalam x dan y sebagai parameter.

Selepas melukis imej, kami menambah label tajuk dan paksi dengan memanggil fungsi tajuk, xlabel dan ylabel. Antaranya, fungsi tajuk digunakan untuk menambah tajuk carta, dan fungsi xlabel dan ylabel digunakan untuk menambah label paksi-x dan paksi-y.

Akhir sekali, paparkan imej dengan memanggil fungsi pertunjukan.

Selepas menjalankan kod, tetingkap baharu akan muncul menunjukkan plot berselerak. Absis bagi setiap titik dalam rajah mewakili unsur yang sepadan dalam senarai x, dan ordinat mewakili unsur yang sepadan dalam senarai y. Warna dan saiz titik boleh disesuaikan mengikut keperluan sebenar.

Selain plot taburan mudah, kami juga boleh menambah elemen lain mengikut keperluan, seperti legenda, peta warna, dll. Berikut ialah kod sampel yang lebih kompleks sedikit:

import matplotlib.pyplot as plt
import numpy as np

# 模拟数据集
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = np.random.randint(10, 100, 100)

# 绘制散点图
plt.scatter(x, y, c=colors, s=sizes, cmap='viridis')

# 添加颜色条
plt.colorbar()

# 添加标题和标签
plt.title('Scatter Plot with Colorbar')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图像
plt.show()

Dalam kod di atas, kami menggunakan modul rawak perpustakaan NumPy untuk menjana lebih banyak data rawak, dan masing-masing menyatakan warna dan saiz titik melalui parameter c dan s. Melalui parameter cmap, kita juga boleh menambah colormap (peta warna) pada warna untuk menjadikan imej lebih berwarna.

Selain itu, kami juga menggunakan fungsi bar warna untuk menambah bar warna untuk mewakili julat perubahan warna.

Melalui kod contoh di atas, kami boleh menggunakan perpustakaan Matplotlib secara fleksibel untuk melukis pelbagai bentuk plot serakan mengikut keperluan sebenar untuk mencapai analisis visual set data.

Ringkasnya, artikel ini memperkenalkan cara menggunakan Matplotlib untuk melukis plot taburan set data dan memberikan contoh kod khusus. Kami berharap pembaca dapat menguasai penggunaan Matplotlib melalui amalan dan mencapai visualisasi data yang lebih kaya dan diperibadikan.

Atas ialah kandungan terperinci Gunakan matplotlib untuk merealisasikan aplikasi praktikal plot taburan set data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn