matplotlib.axes.axes.scatter - 用于绘制y与x的散点图

matplotlib.axes.axes.scatter

matplotlib.axes.axes.scatter()函数,matplotlib库的Axes模块中的Axes.scatter()函数用于绘制y与x的散点图,并使用不同的标记大小或颜色。

语法: Axes.scatter(self, x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)

参数:该方法接受如下参数说明:

  • x, y:这些参数是数据点的水平和垂直坐标。
  • s:可选参数,包含点大小为**2的标记。
  • c:可选参数,包含颜色的顺序。
  • marker:可选参数。它包含了marker样式。
  • cmap:该参数也是一个可选参数,包含注册的colormap名称.默认值为NONE。
  • norm:可选参数。它用于缩放亮度数据到0,1 .默认值为NONE。
  • vmin、vmax:这些参数与norm一起使用,对默认值None的亮度数据进行归一化。
  • alpha:可选参数。它们将值混合在0(透明)和1(不透明)之间。
  • linewidths:该参数也是一个可选参数。它是标记边线的线宽.它的默认值是None。
  • edgecolors:该参数也是可选参数。它是颜色或{‘ face ‘, ‘ none ‘, ‘None}的序列。
  • plotnonfiniteboolean:可选参数。它是标记边线的线宽.它的默认值是None。

返回一个容器,它由以下部分组成:

  • plotline:返回x、y plot标记和/或line的Line2D实例。
  • caplines:返回错误条帽的Line2D实例的元组。
  • barlinecols:返回LineCollection的元组,包含水平和垂直的错误范围。

下面的例子演示了matplotlib.axes.axes.errorbar()函数在matplotlib.axes中的作用:

示例1

# Implementation of matplotlib function
      
import matplotlib.pyplot as plt
import numpy as np
  
# unit value1 ellipse
rx, ry = 3., 1.
value1 = rx * ry * np.pi
value2 = np.arange(0, 3 * np.pi + 0.01, 0.2)
  
value3 = np.column_stack([rx / value1 * np.cos(value2),
                          ry / value1 * np.sin(value2)])
  
x, y, s, c = np.random.rand(4, 99)
s *= 10**2.
  
fig, ax = plt.subplots()
ax.scatter(x, y, s, c, marker = value3)
ax.set_title("matplotlib.axes.Axes.scatter Example1")
plt.show()

输出:

matplotlib.axes.axes.scatter

示例2

# Implementation of matplotlib function
      
import numpy as np
import matplotlib.pyplot as plt
  
# first define the ratios
r1 = 0.2
r2 = r1 + 0.3
r3 = r2 + 0.7
  
# define some sizes of the
# scatter marker
sizes = np.array([60, 80, 120, 50])
  
# calculate the points of the
# first pie marker
x1 = np.cos(2 * np.pi * np.linspace(0, r1))
y1 = np.sin(2 * np.pi * np.linspace(0, r1))
  
xy1 = np.row_stack([[0, 0],
                    np.column_stack([x1, y1])])
  
s1 = np.abs(xy1).max()
  
x2 = np.cos(2 * np.pi * np.linspace(r1, r2))
y2 = np.sin(2 * np.pi * np.linspace(r1, r2))
  
xy2 = np.row_stack([[0, 0], 
                    np.column_stack([x2, y2])])
  
s2 = np.abs(xy2).max()
  
x3 = np.cos(2 * np.pi * np.linspace(r2, r3))
y3 = np.sin(2 * np.pi * np.linspace(r2, r3))
xy3 = np.row_stack([[0, 0],
                    np.column_stack([x3, y3])])
  
s3 = np.abs(xy3).max()
  
x4 = np.cos(2 * np.pi * np.linspace(r3, 1))
y4 = np.sin(2 * np.pi * np.linspace(r3, 1))
xy4 = np.row_stack([[0, 0],
                    np.column_stack([x4, y4])])
  
s4 = np.abs(xy4).max()
  
fig, ax = plt.subplots()
ax.scatter(range(3), range(3),
           marker = xy1, s = s1**2 * sizes, 
           facecolor ='blue')
  
ax.scatter(range(3), range(3),
           marker = xy2, s = s2**2 * sizes,
           facecolor ='green')
  
ax.scatter(range(3), range(3),
           marker = xy3, s = s3**2 * sizes, 
           facecolor ='red')
  
ax.scatter(range(3), range(3),
           marker = xy4, s = s4**2 * sizes,
           facecolor ='black')
  
ax.set_title("matplotlib.axes.Axes.scatter Example2")
plt.show()

输出:

matplotlib.axes.axes.scatter

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程