Python 绘图与可视化 matplotlib 散点图、numpy模块的random（）

 效果：

 

代码：

def scatter_curve():
    # plt.subplot(1,1,1)
    n=1024
    X=np.random.normal(0,1,n)
    Y=np.random.normal(0,1,n)
    T=np.arctan2(X,Y)#用于渐变色彩

    plt.axes([0,0,1,1])
    #和subplot差不多，四个参数指定区域的大小
    #plt.axes([xmin,xmax])

    plt.scatter(X,Y,s=4,c=T,alpha=0.5)#4代表点的大小
    
    plt.xlim(-1.5,1)
    plt.ylim(-1.5,1)
    # plt.yticks([])
    plt.show()

　　

 

scatter()更多信息详见：https://blog.csdn.net/qiu931110/article/details/68130199

所有的参数：

标量（只具有数值大小，没有方向）

参数s控制的是点的大小。

控制形状的：

颜色参数：

 

numpy random模块参考链接：https://www.cnblogs.com/hhh5460/p/4324967.html#top（官方文档翻译）

np.random.normal()生成高斯分布的概率密度随机数

参考链接：https://blog.csdn.net/qiqiaiairen/article/details/52505667

这个方法返回一个正态分布的数组？（正态分布、又称高斯分布、钟形曲线）

numpy.random.normal(loc=0.0, scale=1.0, size=None)

　　参数含义：

　　loc：（float类型）概率分布的均值，是对应于整个分布的中心而言

　　scale：（float类型）概率分布的标准差（标准差反应集合内个体的离散程度，越大越离散），对应于分布的宽度而言（即高度一定？），scale越大越矮胖，scale越小越瘦高

　　size：（int or tuple of ints类型）输出的shape（？），默认为None，只输出一个值

这个方法返回一个正态分布的数组

>>> numpy.random.normal(0,1,20)
array([-0.98305884, -0.79340779,  0.69865242,  1.10930775,  0.17458143,
        0.88452427,  0.92862304, -1.27837941, -0.88772762,  0.86100981,
        3.06262977,  1.66589188, -1.34269035, -0.13672729,  0.01154996,
       -1.88304306,  0.35375017, -0.88784919,  2.77849309,  0.68915905])

　　

转载于:https://www.cnblogs.com/Gaoqiking/p/11069837.html