极客教程matplotlib plot marker size
参考：matplotlib plot marker size
在 matplotlib 中，我们可以通过设置 plot 函数中的 marker 参数来控制图中数据点的形状和大小。其中，marker 参数有许多可选值，如’o’、’^’、’s’等，而 marker size 则可以通过 markersize 参数来控制。
下面我们将详细介绍如何在 matplotlib 中设置 plot 数据点的 marker size。
1. 设置标记大小
首先，让我们看一个简单的示例，来展示如何设置 plot 数据点的 marker size。
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.show()
Output:
在上面的示例中，我们使用 scatter 函数绘制了一组数据点，并通过设置 s 参数来指定每个数据点的 size。可以看到，数据点的大小根据 sizes 列表中的值不同而不同。
2. 设置单一标记大小
除了设置一组数据点的不同大小外，我们还可以为所有数据点设置固定大小。
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
plt.plot(x, y, marker='o', markersize=10)
plt.show()
Output:
在上面的示例中，我们使用 plot 函数绘制了一条折线，并通过设置 markersize 参数为 10 来指定所有数据点的大小。
3. 设置不同标记大小
有时候，我们希望在一个 plot 图中使用不同大小的标记来表示不同的数据。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 100, 200]
plt.plot(x[:3], y[:3], marker='o', markersize=sizes[0])
plt.plot(x[3:], y[3:], marker='o', markersize=sizes[3])
plt.show()
Output:
在上面的示例中，我们分别为前三个数据点和后两个数据点设置了不同的标记大小。可以看到，这样做可以让不同的数据在图中更易于区分。
4. 控制标记大小范围
有时候，我们希望根据数据的某个属性来动态调整数据点的大小。这可以通过设置 markersize 参数为一个数组来实现。下面是一个示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 50)
y = np.sin(x)
sizes = np.abs(y) * 100
plt.scatter(x, y, s=sizes)
plt.show()
Output:
在上面的示例中，我们根据 y 值的绝对值大小来动态设置数据点的大小，使得数据点在图中的大小根据 y 值的变化而变化。
5. 控制标记大小比例
在某些情况下，我们希望设置数据点的大小比例，使得数据点在不同的大小之间呈现出固定的比例关系。可以通过设置 markersize 参数为一个小数来实现。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [0.1, 0.3, 0.5, 0.7, 1.0]
plt.scatter(x, y, s=sizes, alpha=0.5)
plt.show()
Output:
在上面的示例中，我们设置了不同的 markersize 比例，使得数据点的大小在图中呈现出固定的比例关系。
6. 自定义标记大小
除了使用内置的 markersize 参数外，我们还可以通过其他方式来自定义数据点的大小。下面是一个示例：
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, marker='o', facecolors='none', edgecolors='r', linewidths=2)
plt.show()
Output:
在上面的示例中，我们自定义了数据点的大小、填充颜色、边缘颜色和边缘宽度，在图中呈现出不同的效果。
7. 设置标记透明度
除了设置标记的大小外，我们还可以通过设置 alpha 参数来控制数据点的透明度。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 100, 200]
plt.scatter(x, y, s=sizes, alpha=0.5)
plt.show()
Output:
在上面的示例中，我们设置了数据点的透明度为 0.5，使得数据点在图中呈现出一定的透明效果。
8. 设置标记样式
除了设置标记的大小和透明度外，我们还可以通过设置 marker 参数来控制数据点的形状。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 100, 200]
plt.scatter(x, y, s=sizes, marker='s')
plt.show()
Output:
在上面的示例中，我们将数据点的形状设置为正方形，并根据 sizes 列表中的值设置数据点的大小。
9. 设置标记边界样式
有时候，我们希望自定义数据点的边界样式，可以通过设置 edgecolor 和 linewidth 参数来实现。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 100, 200]
plt.scatter(x, y, s=sizes, edgecolor='r', linewidth=2)
plt.show()
Output:
在上面的示例中，我们将数据点的边界颜色设置为红色，边界宽度设置为2，使得数据点在图中呈现出不同的效果。
10. 设置标记填充样式
最后，除了设置标记的大小、形状、透明度和边界样式外，我们还可以设置标记的填充样式。下面是一个示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 100, 200]
plt.scatter(x, y, s=sizes, marker='o', facecolors='none')
plt.show()
Output:
在上面的示例中，我们将数据点的填充颜色设置为透明，使得数据点在图中呈现出不同的填充效果。
结论
通过本文介绍，我们学习了如何在 matplotlib 中设置 plot 数据点的 marker size，包括设置单一标记大小、不同标记大小、控制标记大小范围、控制标记大小比例、自定义标记大小、设置标记透明度、设置标记样式、设置标记边界样式和设置标记填充样式等。这些技巧可以帮助我们更好地展示数据，并使得图表更加直观和易于理解。