极客教程matplotlib markersize
在matplotlib中，markersize用于设置图表中散点的大小。通过调整markersize的数值，可以改变散点的大小，使得数据更加清晰地展示在图表中。
示例代码
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=50) # 设置scatter的markersize为50
plt.show()
Output:
在上面的示例代码中，设置了scatter的markersize为50，即散点的大小为50。
设置固定大小
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=100) # 设置scatter的markersize为100
plt.show()
Output:
在上面的示例中，通过设置markersize为100，可以让散点的大小固定为100。
根据数据动态调整大小
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes) # 设置scatter的markersize根据sizes的数值动态调整
plt.show()
Output:
在上面的示例中，通过设置markersize为一个列表sizes，让散点的大小根据sizes的数值动态调整。
设置默认值
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=20) # 设置scatter的markersize为默认值20
plt.show()
Output:
在上面的示例中，可以设置scatter的markersize为默认值20，即当不设置markersize时，默认大小为20。
组合使用
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, marker='o') # 设置scatter的markersize根据sizes的数值动态调整，并指定marker为圆形
plt.show()
Output:
在上面的示例中，除了根据sizes的数值动态调整markersize外，还指定了marker为圆形。
设置为0
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=0) # 设置scatter的markersize为0
plt.show()
Output:
上述示例中，将scatter的markersize设置为0，导致散点消失。
小数值
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=0.5) # 设置scatter的markersize为0.5
plt.show()
Output:
通过设置小数值，如0.5，可以调整散点的大小。
大数值
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.scatter(x, y, s=500) # 设置scatter的markersize为500
plt.show()
Output:
通过设置大数值，如500，可以让散点变得非常大。
不同大小的点
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes) # 设置scatter的markersize根据sizes的数值动态调整
plt.show()
Output:
在上面的示例中，通过sizes列表中的不同数值，展示了不同大小的散点。
自定义大小范围
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, vmin=0, vmax=200) # 设置scatter的markersize根据sizes的数值动态调整，并指定大小范围
plt.show()
在上面的示例中，通过设置vmin和vmax参数，指定了markersize的大小范围为0到200。
设置散点大小的透明度
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, alpha=0.5) # 设置scatter的markersize根据sizes的数值动态调整，并设置透明度为0.5
plt.show()
Output:
在上面的示例中，通过设置alpha参数为0.5，可以让散点变得半透明。
改变颜色
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, c='red') # 设置scatter的markersize根据sizes的数值动态调整，并改变颜色为红色
plt.show()
Output:
在上面的示例中，通过设置c参数为’red’，可以改变散点的颜色为红色。
改变边界颜色
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, edgecolor='blue') # 设置scatter的markersize根据sizes的数值动态调整，并改变边界颜色为蓝色
plt.show()
Output:
在上面的示例中，通过设置edgecolor参数为’blue’，可以改变散点的边界颜色为蓝色。
改变透明度和边界颜色
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 120, 150]
plt.scatter(x, y, s=sizes, alpha=0.3, edgecolor='green') # 设置scatter的markersize根据sizes的数值动态调整，并设置透明度为0.3，边界颜色为绿色
plt.show()
Output:
在上面的示例中，通过设置alpha参数为0.3和edgecolor参数为’green’，可以同时改变散点的透明度和边界颜色。
使用颜色映射
import matplotlib.pyplot as plt
import numpy as np
x = np.random.rand(50)
y = np.random.rand(50)
sizes = np.random.rand(50) * 100
plt.scatter(x, y, s=sizes, cmap='viridis') # 设置scatter的markersize根据sizes的数值动态调整，并使用颜色映射为viridis
plt.colorbar() # 添加颜色条
plt.show()
在上面的示例中，通过使用颜色映射cmap=’viridis’，可以根据数值大小自动调整散点的颜色。
通过以上示例代码，我们学习了如何在matplotlib中设置markersize来调整散点的大小，通过不同的参数设置，可以方便地定制化图表，使得数据展示更加直观和清晰。