如何在 Matplotlib 中调整标记大小

如何在 Matplotlib 中调整标记大小

参考：How to Adjust Marker Size in Matplotlib

在数据可视化中，使用图表是展示数据趋势和分布的有效方式。Matplotlib 是 Python 中一个广泛使用的绘图库，它提供了丰富的接口来创建高质量的图形。在绘制散点图或线图时，经常需要调整标记（marker）的大小，以更好地反映数据的某些特性或提高图表的可读性。本文将详细介绍如何在 Matplotlib 中调整标记大小，并通过多个示例展示不同的应用场景。

基本概念

在 Matplotlib 中，marker 指的是在图表中代表数据点的符号，如圆形、方形、星形等。size 则是这些标记的大小。调整标记大小可以帮助观众更好地区分不同的数据点或数据集。

导入 Matplotlib

在开始绘图之前，首先需要导入 Matplotlib 库。通常，我们使用 pyplot 模块，它提供了一个类似于 MATLAB 的绘图框架。

import matplotlib.pyplot as plt

示例代码 1：基础散点图

下面的代码展示了如何创建一个基础的散点图，并调整标记的大小。

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 200, 500]

plt.scatter(x, y, s=sizes)
plt.title("Basic Scatter Plot - how2matplotlib.com")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.show()

Output:

示例代码 2：动态调整标记大小

我们可以根据数据点的某个属性动态调整标记的大小。例如，假设每个点的大小与其 y 值成正比。

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [i * 20 for i in y]

plt.scatter(x, y, s=sizes)
plt.title("Dynamic Marker Size - how2matplotlib.com")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.show()

Output:

示例代码 3：使用颜色和大小编码

在散点图中，我们可以同时使用颜色和大小来编码两个不同的数据属性。

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = np.random.rand(50) * 100

plt.scatter(x, y, s=sizes, c=colors, alpha=0.5)
plt.title("Color and Size Encoding - how2matplotlib.com")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.show()

Output: