python画函数散点图 如何用python画散点图

python数据可视化--matplotlib绘制散点图'''
s:
sizepython画函数散点图的缩写python画函数散点图,设置散点python画函数散点图的大小 。若是给定一个数值,则所有点的大小一致;若是给定一个数组 , 则每个点的大小不同 。
c:
color的缩写 , 设置散点的颜色 。若只有一个值,则所有的点设置为同一个颜色,若给定一个颜色数组 , 则不同的点可以设置成不同的颜色,若给定浮点数的数组,则映射到相应的颜色 。
marker:
用于设置散点的标记,用法与折线图的marker参数一对称,具体参考《python数据可视化--matplotlib绘制折线图(2)》对marker的详细介绍 。
cmap:
表示数据点的颜色映射表 , 仅当参数c为浮点数的数组时才可用 。cmap需要花很大的篇幅进行介绍 , 往后再详细讲解,在此先按下不表 。
norm:
表示数据的亮度,取值范围在0~1,只有c是一个浮点数的数组的时候才使用 。
alpha:
表示数据的透明度,取值范围在0~1 。
linewidths:表示数据点边缘的宽度 。
edgecolors:表示数据点边缘的颜色 。
'''
'''
颜色映射是一系列颜色,从起始颜色渐变到结束颜色,可用于突出数据的规律
例如,交钱的颜色显示较小的值,较深的颜色显示较大的值
'''
python 绘制三维图形、三维数据散点图1. 绘制3D曲面图
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.25)
y=np.arange(-4,4,0.25)
x,y=np.meshgrid(x,y)
r=np.sqrt(x**2, y**2)
z=np.sin(r)
//绘面函数
ax.plot_surface(x,y,z,rstride=1,cstride=1,cmap=“rainbow”
plt.show()
2.绘制三维python画函数散点图的散点图(表述一些数据点分布)
4a.mat数据地址:http blog.csdn.net/eddy_zhang/article/details/50496164
from matplotlib import pyplot as plt
import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3D
matl=‘4a.mat’
data=https://www.04ip.com/post/sio.loadmat(matl)
m=data[‘data’]
x,y,z=m[0],m[1],m[2]
//创建一个绘图工程
ax=plt.subplot(111,project=‘3D’)
//将数据点分成三部分画python画函数散点图,在颜色上有区分度
ax.scatter(x[:1000], y[:1000], z[:1000],c=‘y’ )//绘制数据点
ax.scatter(x[1000:4000], y[1000:4000], z[1000:4000],c=‘r’ )//绘制数据点
ax.scatter(x[4000:], y[4000:], z[4000:],c=‘g’ )//绘制数据点
ax.set_zlable(‘z’)//坐标轴
ax.set_ylable(‘y’)//坐标轴
ax.set_xlable(‘x’)
plt.show()
Python实现彩色散点图绘制(利用色带对散点图进行颜色渲染)接受自己的普通,然后全力以赴的出众,告诉自己要努力,但不要着急....
当然,这个结果并不是我真正想要的,Pass, 太丑了!
好吧 , 安排,我们先看下实现后的效果!
这个效果自然就比之前的好多了!
实现python散点图绘制需要用到matplotlib库,matplotlib库是专门用于可视化绘图的工具库;学习一个新的库当然看官方文档了:
实现思路:
matplotlib.pyplot.scatter() 函数是专门绘制散点图的函数:
matplotlib.pyplot.scatter (x,y ,s=None ,c=None ,marker=None ,cmap=None ,norm=None ,vmin=None ,vmax=None ,alpha=None ,linewidths=None ,verts=None ,edgecolors=None , ***,data=https://www.04ip.com/post/None , ** kwargs )**
plt.scatter(observation, estimate, c=Z1, cmap=colormap, marker=".", s=marker_size, norm=colors.LogNorm(vmin=Z1.min(), vmax=0.5 * Z1.max()))

推荐阅读