scatter() 方法语法格式如下:
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)
参数说明:
x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。
s:点的大小,默认 20,也可以是个数组,数组每个参数为对应点的大小。
c:点的颜色,默认蓝色 'b',也可以是个 RGB 或 RGBA 二维行数组。
marker:点的样式,默认小圆圈 'o'。
cmap:Colormap,默认 None,标量或者是一个 colormap 的名字,只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
norm:Normalize,默认 None,数据亮度在 0-1 之间,只有 c 是一个浮点数的数组的时才使用。
vmin,vmax::亮度设置,在 norm 参数存在时会忽略。
alpha::透明度设置,0-1 之间,默认 None,即不透明。
linewidths::标记点的长度。
edgecolors::颜色或颜色序列,默认为 'face',可选值有 'face', 'none', None。
plotnonfinite::布尔值,设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
**kwargs::其他参数。
np.random.RandomState
是NumPy库中的一个类,它用于生成伪随机数。这个类允许你通过设定随机种子来控制随机数生成器的输出,以便在不同的运行之间获得可重复的结果。
要使用np.random.RandomState
,你需要先创建一个实例,然后调用该实例的方法来生成随机数。例如:
python复制代码
import numpy as np | |
# 创建一个RandomState实例,种子设为42 | |
rs = np.random.RandomState(42) | |
# 生成一个0到1之间的随机浮点数 | |
random_float = rs.random_sample() | |
print(random_float) | |
# 生成一个5x5的随机整数数组,范围在0到100 | |
random_array = rs.randint(0, 100, size=(5, 5)) | |
print(random_array) |
在这个例子中,由于我们设置了种子为42,所以每次运行这段代码时生成的随机数和数组都是相同的。如果不设置种子,那么每次运行时生成的随机数都会不同。
np.random.RandomState.normal
是一个方法,它用于从正态分布中抽取随机样本。
它的使用方式如下:
rs.normal(loc=0.0, scale=1.0, size=None)
这里的loc
是正态分布的平均值,scale
是正态分布的标准差。它们都是浮点数或者可以广播为浮点数的数组。size
参数是可选的,如果给定,它将决定返回的样本的大小。如果size
是None(默认),并且loc
和scale
都是标量,那么将返回一个单一的随机样本。否则,将返回np.broadcast(loc, scale).size
个样本。
例如,你可以生成一个大小为3x3,平均值为0,标准差为1的正态分布随机数组:
python复制代码
random_array = rs.normal(loc=0.0, scale=1.0, size=(3, 3)) | |
print(random_array) |
这会生成一个3x3的二维数组,每个元素都来自均值为0,标准差为1的正态分布。
numpy .dot 是一个用于计算两个数组的点积的函数。它有两种形式:numpy.dot(a, b) 和 a.dot(b)。在这个上下文中,a 和 b 是数组。
例如:
python复制代码
import numpy as np | |
a = np.array([1, 2, 3]) | |
b = np.array([4, 5, 6]) | |
print(np.dot(a, b)) # 输出32 |
这里,np.dot(a, b)计算了 a 和 b 的点积。
如果 a 和 b 是二维数组,np.dot(a, b) 会计算它们的矩阵乘积:
python复制代码
import numpy as np | |
a = np.array([[1, 2], [3, 4]]) | |
b = np.array([[5, 6], [7, 8]]) | |
print(np.dot(a, b)) | |
# 输出: | |
# [[19 22] | |
# [43 50]] |
这里,np.dot(a, b)计算了 a 和 b 的矩阵乘积。
.plot
是一个常见的函数,通常用于在 Python 中绘制数据。这个函数主要在 matplotlib, pandas, seaborn 等数据分析库中使用。例如,如果你有一个 pandas DataFrame 并且想要绘制它的前两个列,你可以这样做:
python复制代码
import pandas as pd | |
import matplotlib.pyplot as plt | |
df = pd.DataFrame({ | |
'A': [1, 2, 3, 4, 5], | |
'B': [2, 3, 5, 7, 11], | |
'C': [5, 3, 2, 1, 0] | |
}) | |
df.plot(x='A', y=['B', 'C']) | |
plt.show() |
在这个例子中,.plot()
函数绘制了 DataFrame 中 'A' 列和 'B'、'C' 两列的散点图。这就是 .plot
函数的基本用法。
plt.plot
是 matplotlib 库中用于绘制线图的函数。以下是 plt.plot
的一些常用参数:
x
:x轴的数据,可以是一个列表或数组。y
:y轴的数据,可以是一个列表或数组。color
:线条的颜色,可以是字符串、元组或RGBA值。例如,红色可以表示为'red'
、绿色为'green'
、蓝色为'blue'
等。RGB元组(0, 0, 1)表示蓝色,RGBA元组(0, 1, 0, 0.5)表示半透明的绿色。linewidth
:线条的宽度,可以是一个浮点数。例如,2.5表示线条宽度为2.5。marker
:点的形状,例如 '.': 小圆点, ',': 像素点 'o': 实心圆 'v': 垂直三角形 '^': 正三角形 '<': 左三角形 '>': 右三角形 '1': 向下平行竖线 '2': 向上平行竖线 '3': 向左平行横线 '4': 向右平行横线 's': 正方形 'p': 五边形 '*': 星号 'h': 六边形1 'H': 六边形2 '+': 加号 'x': X号 'd': 小菱形 'D': 大菱形 '|': 竖线 '_': 横线。markersize
:标记的大小,可以是一个浮点数。例如,7.5表示标记的大小为7.5。label
:线条的标签,可以在图例中显示。solid_capstyle
、dash_capstyle
、dash_joinstyle
:这些参数可以用来定制线的端点和连接点的样式。
这只是 plt.plot
的一部分参数,还有许多其他参数可以用来定制图形的样式和功能。完整的参数列表可以在 matplotlib 的官方文档中找到。