【Matplotlib】matplotlib库 中 pyplot.scatter() 的使用

系列文章目录

第二章 Matplotlib 库中 pyplot.scatter() 的使用

---

目录

系列文章目录

文章目录

一、pyplot.sctter() 函数的参数详解

二、pyplot.sctter()  的使用

---

一、pyplot.scatter() 函数的参数详解

pyplot.scatter() 函数就是用来绘制散点图的。我们先来看一下官方文档。

官方文档：

matplotlib.pyplot.scatter(x, y,

s=None,

marker=None,

c=None,

cmap=None,

norm=None,

vmin=None,

vmax=None,

alpha=None,

linewidths=None,

verts=None,

edgecolors=None,

*,

data=None,

**kwargs)
 

其中：

• x, y，就是散点的坐标，数据点的位置
• s=None,  散点的大小，面积
• marker=None,   散点样式，默认值为实心圆，'o'
• c=None,  散点的颜色，默认为‘b’, 也就是blue
• cmap=None,  指的是matplotlib.colors.Colormap，也就是色彩映射表实例或注册的色彩映射表名称，相当于多个调色盘的合集。仅当 c 是浮点数组时才使用 cmap。
• norm=None, 如果 c 是浮点数组，则使用范数 在 0 到 1 的范围内缩放颜色数据 c，以便映射到色彩映射表 cmap。
• vmin=None, vmax=None, 这两个参数与默认规范结合使用，以将颜色数组 c 映射到色彩映射表 cmap。如果为 None，则使用颜色数组的相应最小值和最大值。当给出范数时，不可以使用这两个参数。
• alpha=None,  散点透明度（[0, 1]之间的数，0表示完全透明，1则表示完全不透明）
• linewidths=None, 散点的边缘线宽
• edgecolors=None,  散点的边缘颜色

官方注释： c （颜色）可能的输入如下，

1 要使用 cmap 和norm 范数映射到颜色的 n 个数字的标量或序列。

2 一个 2D 数组，其中的行为 RGB 或 RGBA。

3 长度为 n 的颜色序列。

4 单色格式字符串。

norm、vmin、vmax 这3个参数是对散点颜色亮度进行设置

二、pyplot.scatter()  的使用

既然了解了函数的各个参数，那么话不多说，我们直接上代码。

首先只给散点坐标，其他参数默认，来看看绘制出的散点图

# 导入两个库
import matplotlib.pyplot as plt
import numpy as np

# 固定随机状态，可以获得重复数据 
np.random.seed(10)

n = 20
# rand( )函数根据给定维度生成[0,1)之间的随机数据（包含0，不包含1）
x = np.random.rand(n)
y = np.random.rand(n)

# 绘制散点图
plt.scatter(x, y)
plt.show()

输出结果：（随机生成了20个散点）

 

设置一下常用参数，来看看效果

# 导入两个库
import matplotlib.pyplot as plt
import numpy as np

# 固定随机状态，可以获得重复数据 
np.random.seed(10)

n = 20
# rand( )函数根据给定维度生成[0,1)之间的随机数据（包含0，不包含1）
x = np.random.rand(n)
y = np.random.rand(n)
area= 500*np.random.rand(n)
colors=np.random.rand(n)

# 绘制散点图
plt.scatter(x, y, s = area, marker = '*', c = colors, alpha = 0.6)

plt.show()

输出结果：（生成20个星状的散点）

设置色彩映射表 cmap 参数，使用调色盘中的颜色。

# 导入两个库
import matplotlib.pyplot as plt
import numpy as np

# 固定随机状态，可以获得重复数据 
np.random.seed(10)

n =20
# rand( )函数根据给定维度生成[0,1)之间的随机数据（包含0，不包含1）
x = np.random.rand(n)  
y = np.random.rand(n)
area= 2000*np.random.rand(n)
colors=np.random.rand(n)

# 绘制散点图
plt.scatter(x, y, s = area, marker = 'o', c = colors, alpha = 0.6, cmap= 'viridis' )

# 绘制颜色条
plt.colorbar()
plt.show()

输出结果：

注意：

• 这里 cmap= 'viridis' ，意思就是选择这个调色盘，将参数c中获取到的数值，映射到“色盘”中已经对应好的颜色上。
• 从“色盘”viridis中获取到的颜色，可以通过plt.colorbar( )显示为颜色条。

设置范数 norm  参数，控制颜色变化范围

其中，我们需要用到colors.Normalize( )，使用方法如下：

class matplotlib.colors.Normalize(vmin=None, vmax=None)

# 使用norm 范数参数
# 导入三个库
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import colors  # 调整“色盘”，导入colors

# 固定随机状态，可以获得重复数据 
np.random.seed(10)

n =20
# randn( )函数返回一个或一组样本，具有标准正态分布(标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。)。
x = np.random.randn(n)  
y = np.random.randn(n)
area = 2000*np.random.rand(n)
color = np.random.rand(n)

changecolor = colors.Normalize(vmin=0.4, vmax=0.8)


# 绘制散点图
plt.scatter(x, y, s = area, marker = 'o', c = color, alpha = 0.6, cmap= 'viridis' , norm = changecolor )

# 绘制颜色条
plt.colorbar()
plt.show()

输出结果：

 可以看见，颜色的变化范围变成了（0.4, 0.8）