python scatter smooth_4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

目录

前言

散点图是用于观测数据的相关性的，有正相关，负相关，不相关

(一)散点图的基础知识

(1)说明

语法：plt.scatter(x, y, s, c ,marker, alpha)

x,y: x轴与y轴的数据

s: 点的面积

c: 点的颜色

marker: 点的形状

alpha: 透明度

(2)源代码

我们来探讨身高与体重是否相关？

import numpy as np

import matplotlib.pyplot as plt

# 身高与体重的数据

height = [161, 170, 182, 175, 173, 165]

weight = [50, 58, 80, 70, 69, 55]

# 散点图

plt.scatter(height, weight)

plt.ylabel("height")

plt.xlabel("weight")

# 展示图标

plt.show()

(3)输出效果

(二)相关性的举例

1.正相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y2 = x + np.random.randn(N)*0.5

# 散点图

plt.scatter(x, y2)

# 展示图标

plt.show()

(2)输出效果

1.负相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y2 = -x + np.random.randn(N)*0.5

# 散点图

plt.scatter(x, y2)

# 展示图标

plt.show()

(2)输出效果

1.不相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y1 = np.random.randn(N)

# 散点图

plt.scatter(x, y1)

# 展示图标

plt.show()

(2)输出效果

(三)实战项目以一股票的分析

(1)说明

有的人说股票的涨跌变动，昨天的与今天的有关，今天我们就用散点图来分析一下。

(2)源代码

import numpy as np

import matplotlib.pyplot as plt

# 1.数据

open_data, close_data = np.loadtxt("000001.csv", delimiter=',', skiprows=1, usecols=(1, 4), unpack=True)

change_data = close_data - open_data

# 1.1前一天的数据

yesterday = change_data[:-1]

# 1.2后一条的数据

today = change_data[1:]

# 2.散点图 s (面积) c (颜色) marker (标记) alpha(透明度)

plt.scatter(yesterday, today, s=500, c="r", marker="^", alpha=0.5)

# 4.展示图

plt.show()

(3)输出效果

作者：Mark

日期：2019/02/08 周五

4.5Python数据处理篇之Matplotlib系列(五)---plt.pie()饼状图

目录 目录 前言 (一)简单的饼状图 (二)添加阴影和突出部分 (三)显示图例和数据标签: 目录 前言 饼状图需要导入的是: plt.pie(x, labels= ) (一)简单的饼状图 (1)说明: ...

4.4Python数据处理篇之Matplotlib系列(四)---plt.bar()与plt.barh条形图

目录 目录 前言 (一)竖值条形图 (二)水平条形图 1.使用bar()绘制: 2.使用barh()绘制: (三)复杂的条形图 1.并列条形图: 2.叠加条形图: 3.添加图例于数据标签的条形图: 目 ...

4.3Python数据处理篇之Matplotlib系列(三)---plt.plot()折线图

目录 前言 (一)plt.plot()函数的本质 ==1.说明== ==2.源代码== ==3.展示效果== (二)plt.plot()函数缺省x时 ==1.说明== ==2.源代码== ==3.展示 ...

5.2Python数据处理篇之Sympy系列(二)---Sympy的基本操作

目录 目录 前言 (一)符号的初始化与输出设置-symbol() symbols() latex() 1.作用: 2.操作: (二)替换符号-subs(old,new) 1.说明: 2.源代码: 3. ...

3.2Python数据处理篇之Numpy系列(二)--- ndarray数组的创建与变换

目录 (一)ndarray数组的创建 1.从列表以元组中创建: 2.使用函数创建: (二)ndarray数组的变换 1.维度的变换: 2.类型的变换: 目录: 1.ndarray数组的创建 2.nda ...

4.12Python数据处理篇之Matplotlib系列(十二)---绘图风格的介绍

目录 目录 前言 (一)不同风格 1.说明: 2.使用: 3.代码使用: (二)例子演示 1.dark_background 2.bmh 3.fivethirtyeight 4.ggplot 5.gr ...

4.14Python数据处理篇之Matplotlib系列(十四)---动态图的绘制

目录 目录 前言 (一)需求分析 (二)随机数的动态图 1.思路分析: 2.源代码: 2.输出效果: 目录 前言 学习matplotlib已经到了尾声,没有必要再继续深究下去了,现今只是学了一些基础的 ...

4.13Python数据处理篇之Matplotlib系列(十三)---轴的设置

目录 目录 前言 (一)设置轴的范围 1.同时对于x,y轴设置 2.分别对与x,y轴的设置 (二)设置刻度的大小 1.普通的刻度设置 2.添加文本的刻度设置 3.主副刻度的设置 (三)设置轴的数据 1 ...

随机推荐

UDS(ISO14229-2006) 汉译(No.5 公共约定)

ISO 14229遵循OSI Service Conventions(ISO 10731)(OSI服务公约)所述,并应用于诊断服务.这些约定指定相互作用与服务消费者和服务提供者.通过服务原语,信息数据 ...

[No000047]好的架构源于不停地衍变，而非设计

对很多创业公司而言,随着业务增长,网站的流量也会经历不同的阶段.从十万流量到一百万流量,再从一百万流量跨越到一千万甚至上亿的流量,网站的架构需要经历哪些变化?在"OneAPM 技术公开课&q ...

codeforces 492C. Vanya and Exams 解题报告

题目链接:http://codeforces.com/problemset/problem/492/C 题目意思:给出 3 个整数:n,  r,  avg.然后有 n 行,每行有两个数:第 i 行有 ...

14.模板方法模式(Template Method)

using System; namespace ConsoleApplication7 { class Program { /// /// 模板方法模式——在一个抽象类 ...

java大数

java大数还是很好用的! 基本加入: import java.math.BigInteger; import jave.math.BigDecimal; 分别是大数和大浮点数. 首先读入可以用: S ...

JavaWeb之Servlet：Cookie 和 Session

会话 现实生活中我们会用手机跟对方对话,拿起手机,拨号,然后对面接听,跟着互相通话,最后会话结束. 这个过程也可以用我们的B/S模式来描述: 打开浏览器—>输入地址->发出请求->服 ...

oracle数据库包package小例子

为了把某一个模块的函数.存储过程等方便查询维护,可以把它们打到一个包里.下面给出一个简单的小例子. 1.创建包头 create or replace package chen_pack is func ...

RabbitMQ 1

RabbitMQ能做些什么? 消息系统允许软件.应用相互连接和扩展．这些应用可以相互链接起来组成一个更大的应用,或者将用户设备和数据进行连接．消息系统通过将消息的发送和接收分离来实现应用程序的异步和解 ...

【译】第一篇 SQL Server安全概述

本篇文章是SQL Server安全系列的第一篇,详细内容请参考原文. Relational databases are used in an amazing variety of applicatio ...