Matplotlib Python의 광범위한 라이브러리로 정적, 애니메이션 및 대화형 시각화를 생성하는 기능을 제공합니다. Python의 Matplotlib.pyplot.scatter()는 분산형 차트, 막대 차트, 원형 차트, 선 플롯, 히스토그램, 3D 플롯 등과 같은 다양한 플롯 생성까지 확장됩니다.
보다 심층적인 이해를 위해 다음 제목의 가이드에서 추가 정보를 찾을 수 있습니다. Python Matplotlib – 개요 .
Matplotlib.pyplot.scatter()란 무엇입니까?
그만큼 matplotlib.pyplot.scatter() 플롯은 변수 간의 관계를 탐색하고 분석하는 시각적 도구 역할을 하며 점을 활용하여 변수 간의 연결을 묘사합니다. matplotlib 라이브러리는 다음을 제공합니다. 흩어지게하다() 분산형 차트를 생성하기 위해 특별히 고안된 방법입니다. 이러한 도표는 변수 간의 상호의존성을 설명하고 한 변수의 변경이 다른 변수에 어떤 영향을 미칠 수 있는지 설명하는 데 도움이 됩니다.
호스트 리눅스
통사론 : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=None, c=None, marker=None, cmap=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None)
매개변수:
x_axis_data>: x-axis.matplotlib에 대한 데이터를 포함하는 배열s>: 마커 크기. x 또는 y 크기와 동일한 크기의 스칼라 또는 배열일 수 있습니다.c>: 마커의 색상 순서 색상입니다.marker>: 마커 스타일.cmap>: 컬러맵 이름.linewidths>: 마커 테두리의 너비입니다.edgecolor>: 마커 테두리 색상입니다.alpha>: 0(투명)에서 1(불투명) 사이의 혼합 값입니다.
제외 x_axis_data> 그리고 y_axis_data> , 다른 모든 매개변수는 선택사항이며 기본값은 없음으로 설정됩니다. 아래 산점도 예제에서는 이러한 선택적 매개변수의 다양한 조합을 보여줌으로써 분산() 메서드의 다양성을 보여줍니다.
Python의 Matplotlib.pyplot.scatter()
Python에서 matplotlib.pyplot.scatter()를 사용하여 플롯을 생성하는 다양한 방법이 있습니다. matplotlib. pyplot.scatter() 기능하다 matplotlib.plot:
- 기본 산점도
- 여러 데이터세트가 포함된 산점도
- 버블 차트 플롯
- 맞춤형 산점도
Matplotlib의 산점도
matpltlib을 가져옵니다. 줄거리() 우리는 산점도를 만들었습니다. x 및 y 좌표를 정의한 다음 점을 파란색으로 플롯하고 플롯을 표시합니다.
파이썬3
import> matplotlib.pyplot as plt> x>=>[>5>,>7>,>8>,>7>,>2>,>17>,>2>,>9>,> >4>,>11>,>12>,>9>,>6>]> y>=>[>99>,>86>,>87>,>88>,>100>,>86>,> >103>,>87>,>94>,>78>,>77>,>85>,>86>]> plt.scatter(x, y, c>=>'blue'>)> # To show the plot> plt.show()> |
>
>
산출 :
기본 산점도
산점도에 여러 데이터세트 그리기
아래 코드는 각각 x 및 y 좌표 세트가 있는 두 개의 서로 다른 데이터 세트를 보여주는 산점도를 생성합니다. 코드는 향상된 시각화를 위해 다양한 마커, 색상 및 스타일 옵션을 사용합니다.
파이썬3
import> matplotlib.pyplot as plt> # dataset-1> x1>=> [>89>,>43>,>36>,>36>,>95>,>10>,> >66>,>34>,>38>,>20>]> y1>=> [>21>,>46>,>3>,>35>,>67>,>95>,> >53>,>72>,>58>,>10>]> # dataset2> x2>=> [>26>,>29>,>48>,>64>,>6>,>5>,> >36>,>66>,>72>,>40>]> y2>=> [>26>,>34>,>90>,>33>,>38>,> >20>,>56>,>2>,>47>,>15>]> plt.scatter(x1, y1, c>=>'pink'>,> >linewidths>=> 2>,> >marker>=>'s'>,> >edgecolor>=>'green'>,> >s>=> 50>)> plt.scatter(x2, y2, c>=>'yellow'>,> >linewidths>=> 2>,> >marker>=>'^'>,> >edgecolor>=>'red'>,> >s>=> 200>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.show()> |
>
>
산출 :
여러 데이터세트가 포함된 산점도
Matplotlib의 버블 플롯
이 코드는 Matplotlib를 사용하여 버블 차트를 생성합니다. 지정된 x 및 y 좌표를 사용하여 점을 플롯하며 각 좌표는 크기가 결정된 거품으로 표시됩니다. bubble_sizes> 목록. 차트에는 투명도, 가장자리 색상 및 선폭에 대한 사용자 정의가 있습니다. 마지막으로 제목과 축 레이블이 있는 플롯을 표시합니다.
파이썬3
execvp
import> matplotlib.pyplot as plt> # Data> x_values>=> [>1>,>2>,>3>,>4>,>5>]> y_values>=> [>2>,>3>,>5>,>7>,>11>]> bubble_sizes>=> [>30>,>80>,>150>,>200>,>300>]> # Create a bubble chart with customization> plt.scatter(x_values, y_values, s>=>bubble_sizes, alpha>=>0.6>, edgecolors>=>'b'>, linewidths>=>2>)> # Add title and axis labels> plt.title(>'Bubble Chart with Transparency'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display the plot> plt.show()> |
>
>
출력 :
버블 차트
Matplotlib 산점도 사용자 정의
Matplotlib을 가져와서 다음을 사용하여 맞춤형 산점도를 생성합니다. Matplotlib 그리고 넘파이 . x 및 y 좌표, 색상 및 크기에 대한 임의의 데이터를 생성합니다. 그런 다음 색상, 크기, 투명도, 컬러맵 등의 사용자 정의 속성을 사용하여 산점도가 생성됩니다. 플롯에는 제목, 축 레이블 및 색상 강도 스케일이 포함됩니다. 마지막으로 플롯이 표시됩니다.
파이썬3
이런
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> colors>=> np.random.rand(>50>)> sizes>=> 100> *> np.random.rand(>50>)> # Create a customized scatter plot> plt.scatter(x, y, c>=>colors, s>=>sizes, alpha>=>0.7>, cmap>=>'viridis'>)> # Add title and axis labels> plt.title(>'Customized Scatter Plot'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display color intensity scale> plt.colorbar(label>=>'Color Intensity'>)> # Show the plot> plt.show()> |
>
>
산출 :
맞춤형 산점도
결론
결론적으로, matplotlib.pyplot.scatter()> Python은 산점도를 통해 변수 간의 관계를 시각화하는 다재다능하고 강력한 도구입니다. 유연성을 통해 마커, 색상, 크기 및 기타 속성을 사용자 정의할 수 있어 복잡한 데이터 패턴을 나타내는 동적 수단을 제공합니다. 기본적인 탐구 분석이든 상세한 데이터 해석이든 이 기능은 Python 프로그래밍 환경 내에서 유익하고 시각적으로 매력적인 산점도를 만드는 데 중요한 역할을 합니다.