【Python知识】可视化函数plt.scatter

目录

一、说明

二、函数和参数详解

2.1 scatter函数原型

2.2 参数详解

2.3 其中散点的形状参数marker如下：

2.4 其中颜色参数c如下:

三、画图示例

3.1 关于坐标x，y和s，c

3.2 多元高斯的情况

3.3  绘制例子

3.4 绘图例3

3.5  同心绘制

3.6 有标签绘制

3.7 直线划分

3.8 曲线划分

一、说明

       关于matplotlib的scatter函数有许多活动参数，如果不专门注解，是无法掌握精髓的，本文专门针对scatter的参数和调用说起，并配有若干案例。

二、函数和参数详解

2.1 scatter函数原型

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

2.2 参数详解

2.3 其中散点的形状参数marker如下：

2.4 其中颜色参数c如下:

三、画图示例

3.1 关于坐标x，y和s，c

1. import numpy as np
2. import matplotlib.pyplot as plt
4. # Fixing random state for reproducibility
5. np.random.seed(19680801)
8. N = 50
9. x = np.random.rand(N)
10. y = np.random.rand(N)
11. colors = np.random.rand(N) # 颜色可以随机
12. area = (30 * np.random.rand(N))**2 # 点的宽度30，半径15
14. plt.scatter(x, y, s=area, c=colors, alpha=0.5)
15. plt.show()

        注意：以上核心语句是：

plt.scatter(x, y, s=area, c=colors, alpha=0.5, marker=",")

        其中：x，y，s，c维度一样就能成。

3.2 多元高斯的情况

1. ​
2. import numpy as np
3. import matplotlib.pyplot as plt
6. fig=plt.figure(figsize=(8,6))
7. #Generating a Gaussion dataset:
8. #creating random vectors from the multivariate normal distribution
9. #given mean and covariance
10. mu_vec1=np.array([0,0])
11. cov_mat1=np.array([[1,0],[0,1]])
12. X=np.random.multivariate_normal(mu_vec1,cov_mat1,500)
13. R=X**2
14. R_sum=R.sum(axis=1)
15. plt.scatter(X[:,0],X[:,1],color='green',marker='o', =32.*R_sum,edgecolor='black',alpha=0.5)
17. plt.show()
19. ​