python画图之散点图sactter函数详解，基本散列点绘制

原文地址：http://blog.csdn.net/u013634684/article/details/49646311 http://blog.csdn.net/abcjennifer/article/details/19848269 http://blog.csdn.net/dataningwei/article/details/53619534
最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：
1、scatter函数原型



2、其中散点的形状参数marker如下：



3、其中颜色参数c如下:



4、基本的使用方法如下：

[python] view
plain copy

#导入必要的模块  

import numpy as np  

import matplotlib.pyplot as plt  

#产生测试数据  

x = np.arange(1,10)  

y = x  

fig = plt.figure()  

ax1 = fig.add_subplot(111)  

#设置标题  

ax1.set_title('Scatter Plot')  

#设置X轴标签  

plt.xlabel('X')  

#设置Y轴标签  

plt.ylabel('Y')  

#画散点图  

ax1.scatter(x,y,c = 'r',marker = 'o')  

#设置图标  

plt.legend('x1')  

#显示所画的图  

plt.show()  

结果如下：



5、当scatter后面参数中数组的使用方法，如s，当s是同x大小的数组，表示x中的每个点对应s中一个大小，其他如c，等用法一样，如下：
（1）、不同大小

[python] view
plain copy

#导入必要的模块  

import numpy as np  

import matplotlib.pyplot as plt  

#产生测试数据  

x = np.arange(1,10)  

y = x  

fig = plt.figure()  

ax1 = fig.add_subplot(111)  

#设置标题  

ax1.set_title('Scatter Plot')  

#设置X轴标签  

plt.xlabel('X')  

#设置Y轴标签  

plt.ylabel('Y')  

#画散点图  

sValue = x*10  

ax1.scatter(x,y,s=sValue,c='r',marker='x')  

#设置图标  

plt.legend('x1')  

#显示所画的图  

plt.show()  



（2）、不同颜色

[python] view
plain copy

#导入必要的模块  

import numpy as np  

import matplotlib.pyplot as plt  

#产生测试数据  

x = np.arange(1,10)  

y = x  

fig = plt.figure()  

ax1 = fig.add_subplot(111)  

#设置标题  

ax1.set_title('Scatter Plot')  

#设置X轴标签  

plt.xlabel('X')  

#设置Y轴标签  

plt.ylabel('Y')  

#画散点图  

cValue = ['r','y','g','b','r','y','g','b','r']  

ax1.scatter(x,y,c=cValue,marker='s')  

#设置图标  

plt.legend('x1')  

#显示所画的图  

plt.show()  

结果：



（3）、线宽linewidths

[python] view
plain copy

#导入必要的模块  

import numpy as np  

import matplotlib.pyplot as plt  

#产生测试数据  

x = np.arange(1,10)  

y = x  

fig = plt.figure()  

ax1 = fig.add_subplot(111)  

#设置标题  

ax1.set_title('Scatter Plot')  

#设置X轴标签  

plt.xlabel('X')  

#设置Y轴标签  

plt.ylabel('Y')  

#画散点图  

lValue = x  

ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o')  

#设置图标  

plt.legend('x1')  

#显示所画的图  

plt.show()  



                     注：  这就是scatter基本的用法。

Python 中常用画图工具matplotlib.pyplot工具使用实验。

代码：

[python] view
plain copy

 print?

from sklearn.datasets.samples_generator import make_blobs  

import matplotlib.pyplot as plt  

  

X, y = make_blobs(n_samples=100, centers=3, n_features=2,random_state=0)  

y=y+1;  

  

# label  

plt.figure(1)  

ax=plt.subplot(121)  

plt.scatter(X[:,0],X[:,1])  

ax.set_title('No lable')  

ax=plt.subplot(122)  

plt.scatter(X[:,0],X[:,1],y*30,y*30)  

ax.set_title('Have lable')  

  

#  

plt.figure(2)  

ax=plt.subplot(111)  

id=(y==1)  

plt.scatter(X[id,0],X[id,1],s=20,color='b')  

id=(y==2)  

plt.scatter(X[id,0],X[id,1],s=50,color='r')  

id=(y==3)  

plt.scatter(X[id,0],X[id,1],s=70,color='g')  

plt.show()  

显示结果：

fiugre1



figure2



用matplotlib的scatter绘制散点图，legend和matlab中稍有不同，详见代码。

[python] view
plain copy

x = rand(50,30)  

from numpy import *  

import matplotlib  

import matplotlib.pyplot as plt  

  

#basic  

f1 = plt.figure(1)  

plt.subplot(211)  

plt.scatter(x[:,1],x[:,0])  

  

# with label  

plt.subplot(212)  

label = list(ones(20))+list(2*ones(15))+list(3*ones(15))  

label = array(label)  

plt.scatter(x[:,1],x[:,0],15.0*label,15.0*label)  

  

# with legend  

f2 = plt.figure(2)  

idx_1 = find(label==1)  

p1 = plt.scatter(x[idx_1,1], x[idx_1,0], marker = 'x', color = 'm', label='1', s = 30)  

idx_2 = find(label==2)  

p2 = plt.scatter(x[idx_2,1], x[idx_2,0], marker = '+', color = 'c', label='2', s = 50)  

idx_3 = find(label==3)  

p3 = plt.scatter(x[idx_3,1], x[idx_3,0], marker = 'o', color = 'r', label='3', s = 15)  

plt.legend(loc = 'upper right')
 

result：

figure(1)：



figure(2)：

基本散列点绘制

from matplotlib import pyplot as plt
import numpy as np

# Generating a Gaussion dataset:
# creating random vectors from the multivariate normal distribution
# given mean and covariance
mu_vec1 = np.array([0,0])
cov_mat1 = np.array([[2,0],[0,2]])

x1_samples = np.random.multivariate_normal(mu_vec1, cov_mat1, 100)
x2_samples = np.random.multivariate_normal(mu_vec1+0.2, cov_mat1+0.2, 100)
x3_samples = np.random.multivariate_normal(mu_vec1+0.4, cov_mat1+0.4, 100)

# x1_samples.shape -> (100, 2), 100 rows, 2 columns

plt.figure(figsize=(8,6))

plt.scatter(x1_samples[:,0], x1_samples[:,1], marker='x',
color='blue', alpha=0.7, label='x1 samples')
plt.scatter(x2_samples[:,0], x1_samples[:,1], marker='o',
color='green', alpha=0.7, label='x2 samples')
plt.scatter(x3_samples[:,0], x1_samples[:,1], marker='^',
color='red', alpha=0.7, label='x3 samples')
plt.title('Basic scatter plot')
plt.ylabel('variable X')
plt.xlabel('Variable Y')
plt.legend(loc='upper right')

plt.show()

带标签

import matplotlib.pyplot as plt

x_coords = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y_coords = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]

fig = plt.figure(figsize=(8,5))
plt.scatter(x_coords, y_coords, marker='s', s=50)

for x, y in zip(x_coords, y_coords):
plt.annotate(
'(%s, %s)' %(x, y),
xy=(x, y),
xytext=(0, -10),
textcoords='offset points',
ha='center',
va='top')

plt.xlim([0,1])
plt.ylim([0,1])
plt.show()