当前位置:首页 > 天道酬勤 > 正文内容

python数据可视化工具(散点图python)

张世龙2021年12月21日 06:01天道酬勤440

散点图是数据搜索的常用工具,通常用于显示数据分布

通过回归线性拟合和聚类建模都可以很容易地看到拟合结果或分类结果。

示例如下所示。

得到的图如下。

python的matplotlib库为散点图提供scatter函数

x,y是一个类似shape(n,)的数组,可以从中选择值。

s点的大小,即面积为默认的20

c点的颜色或颜色序列,默认蓝色。 除此之外,c=' r ' (红); c=' g ' (绿色); c='k ' ()黑色; c=' y ' (黄)

标记形状、选项值、缺省值为圆或' * '、' # '、' '等

alpha :标量、选项、默认:无、0 (透明)和1 )不透明)之间的alpha混合值

边缘颜色、精灵鹤、边缘颜色或颜色序列、选项值、默认值: None

解决python3中不显示中文标签和符号的内容

PLT.rcparams [ ' font.sans-serif ' ]=[ ' simhei ' ] #中文标签PLT.rcparams [ ' axes.unicode _ MINUS ' ]=false #表示正常

示例: Iris鸢尾的数据搜索

从上游导入数据,度量

导入编号为

导入手册as PD

导入映射程序

datas=datasets.load_iris (

x=datas.data [ :2:4 ]

y=数据目标

print (“散布图,看分布趋势”)

生成散布图(x [ :0 ],x [ :1 ],c='红色',标记者=' o ',标签='秒' )

PLT.xlabel('petallength ' ) #x轴标签

PLT.ylabel('petalwidth ' ) #y轴标签

#PLT.legend(loc=2) )。

plt.show () )

数据搜索图:

聚类分析后的类别展示

centers=k means .集群_ centers _ #集群中心

y_kmeans=kmeans.predict(x ) #预测值

PLT.Scatter (x [ :0 ],x [ :1 ],c=y _ k门限值,标记器=“*”,s=50,地图=“胜利”)

PLT.Scatter (中心[ :0 ],中心[ :1 ],c='红色',s=200,阿尔法=0.5 ) )。

plt.show () )

注:显示集群类别时,此时的参数c为类别数组。 这样会自动生成与类别数相同但颜色不同的散点图的分布图

3D散点图

importmatplotlib.pyplotasplt

从mpl _工具包. MP批次3导入dimportaxes 3d # 3d模块

导入编号为

fig=plt.figure (

ax=axes3d (图形)

x=NP.random.randint (11000,1000 ) )。

y=NP.random.randint (11000,1000 ) )。

z=NP.random.randint (11000,1000 ) )。

ax.scatter(x、y、z、标记器=' * ' )

ax.set_xlabel('xlabel ' ) ) ) ) ) ) ) ) ) ) ) )。

ax.set _ ylabel (标签) ) ) )。

ax.set _ z标签(' z标签) ) )。

plt.show () )

图:

基于方程给出了三维散布图。 代码如下所示。

图:

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/26132.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。