使用Python的matplotlib可以輕松繪制散點(diǎn)圖,首先調(diào)用plt.scatter()傳入x和y數(shù)據(jù)生成基礎(chǔ)圖形,1. 可通過c參數(shù)設(shè)置顏色,s參數(shù)控制點(diǎn)的大小,alpha調(diào)節(jié)透明度;2. 使用cmap指定顏色映射并配合colorbar()顯示顏色條;3. 添加title、xlabel、ylabel完善標(biāo)簽信息;4. 利用plt.grid()增加網(wǎng)格提升可讀性;5. 實(shí)際應(yīng)用中可將示例數(shù)據(jù)替換為CSV或pandas中的真實(shí)數(shù)據(jù)列,快速實(shí)現(xiàn)數(shù)據(jù)可視化,完整示例均能直接運(yùn)行并適用于身高體重等真實(shí)場景分析。
下面是一個(gè)使用 Python 的 matplotlib
繪制散點(diǎn)圖(scatter plot)的簡單實(shí)用示例,適合初學(xué)者快速上手。

? 基礎(chǔ)散點(diǎn)圖示例
import matplotlib.pyplot as plt # 示例數(shù)據(jù) x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] y = [2, 4, 1, 8, 6, 3, 9, 5, 7, 10] # 創(chuàng)建散點(diǎn)圖 plt.scatter(x, y) # 添加標(biāo)題和標(biāo)簽 plt.title('Simple Scatter Plot') plt.xlabel('X values') plt.ylabel('Y values') # 顯示圖形 plt.show()
? 自定義散點(diǎn)圖(顏色、大小、透明度)
你可以通過參數(shù)控制點(diǎn)的顏色、大小和透明度:
import matplotlib.pyplot as plt # 示例數(shù)據(jù) x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] y = [2, 4, 1, 8, 6, 3, 9, 5, 7, 10] colors = [10, 15, 20, 25, 30, 35, 40, 45, 50, 55] # 顏色映射 sizes = [20, 40, 60, 80, 100, 120, 140, 160, 180, 200] # 點(diǎn)的大小 # 繪制彩色散點(diǎn)圖,大小可變 plt.scatter(x, y, c=colors, s=sizes, alpha=0.6, cmap='viridis') # 添加顏色條 plt.colorbar() # 添加標(biāo)簽和標(biāo)題 plt.title('Customized Scatter Plot') plt.xlabel('X values') plt.ylabel('Y values') # 顯示 plt.show()
?
cmap='viridis'
是一種顏色映射,你也可以換成'plasma'
,'coolwarm'
,'Reds'
等。
? 使用真實(shí)數(shù)據(jù)示例(比如身高體重)
import matplotlib.pyplot as plt # 模擬數(shù)據(jù):身高(cm)和體重(kg) heights = [150, 155, 160, 165, 170, 175, 180, 185, 190] weights = [50, 55, 60, 63, 70, 75, 80, 85, 90] # 繪圖 plt.scatter(heights, weights, color='blue', edgecolors='k', s=80) # 黑邊圓點(diǎn) plt.title('Height vs Weight') plt.xlabel('Height (cm)') plt.ylabel('Weight (kg)') # 可選:添加網(wǎng)格 plt.grid(True, linestyle='--', alpha=0.5) plt.show()
? 小貼士
-
alpha
:控制透明度,0
完全透明,1
不透明,適合數(shù)據(jù)重疊時(shí)使用。 -
edgecolors
:設(shè)置點(diǎn)的邊緣顏色,增強(qiáng)視覺效果。 -
plt.grid()
:加網(wǎng)格更易讀。 -
cmap
需要配合colorbar()
使用才有效果。
基本上就這些,不復(fù)雜但很實(shí)用。你可以把 x
和 y
換成你的實(shí)際數(shù)據(jù)(比如從 CSV 文件讀取的 pandas 列),就能快速畫出漂亮的散點(diǎn)圖。
Atas ialah kandungan terperinci contoh plot python matplotlib.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Polimorfisme adalah konsep teras dalam pengaturcaraan berorientasikan objek Python, merujuk kepada "satu antara muka, pelbagai pelaksanaan", yang membolehkan pemprosesan bersatu pelbagai jenis objek. 1. Polimorfisme dilaksanakan melalui penulisan semula kaedah. Subkelas boleh mentakrifkan semula kaedah kelas induk. Sebagai contoh, kaedah bercakap () kelas haiwan mempunyai pelaksanaan yang berbeza dalam subkelas anjing dan kucing. 2. Penggunaan praktikal polimorfisme termasuk memudahkan struktur kod dan meningkatkan skalabilitas, seperti memanggil kaedah cabutan () secara seragam dalam program lukisan grafik, atau mengendalikan tingkah laku umum watak -watak yang berbeza dalam pembangunan permainan. 3. Polimorfisme pelaksanaan Python perlu memenuhi: Kelas induk mentakrifkan kaedah, dan kelas kanak -kanak mengatasi kaedah, tetapi tidak memerlukan warisan kelas induk yang sama. Selagi objek melaksanakan kaedah yang sama, ini dipanggil "jenis itik". 4. Perkara yang perlu diperhatikan termasuk penyelenggaraan

Parameter adalah ruang letak apabila menentukan fungsi, sementara argumen adalah nilai khusus yang diluluskan ketika memanggil. 1. Parameter kedudukan perlu diluluskan, dan perintah yang salah akan membawa kepada kesilapan dalam hasilnya; 2. Parameter kata kunci ditentukan oleh nama parameter, yang boleh mengubah pesanan dan meningkatkan kebolehbacaan; 3. Nilai parameter lalai diberikan apabila ditakrifkan untuk mengelakkan kod pendua, tetapi objek berubah harus dielakkan sebagai nilai lalai; 4 Args dan *kwargs boleh mengendalikan bilangan parameter yang tidak pasti dan sesuai untuk antara muka umum atau penghias, tetapi harus digunakan dengan berhati -hati untuk mengekalkan kebolehbacaan.

Iterator adalah objek yang melaksanakan kaedah __iter __ () dan __Next __ (). Penjana adalah versi Iterator yang dipermudahkan, yang secara automatik melaksanakan kaedah ini melalui kata kunci hasil. 1. Iterator mengembalikan elemen setiap kali dia memanggil seterusnya () dan melemparkan pengecualian berhenti apabila tidak ada lagi elemen. 2. Penjana menggunakan definisi fungsi untuk menghasilkan data atas permintaan, menjimatkan memori dan menyokong urutan tak terhingga. 3. Menggunakan Iterator apabila memproses set sedia ada, gunakan penjana apabila menghasilkan data besar secara dinamik atau penilaian malas, seperti garis pemuatan mengikut baris apabila membaca fail besar. NOTA: Objek yang boleh diperolehi seperti senarai bukanlah pengaliran. Mereka perlu dicipta semula selepas pemalar itu sampai ke penghujungnya, dan penjana hanya boleh melintasi sekali.

Kaedah kelas adalah kaedah yang ditakrifkan dalam python melalui penghias @classmethod. Parameter pertamanya adalah kelas itu sendiri (CLS), yang digunakan untuk mengakses atau mengubah keadaan kelas. Ia boleh dipanggil melalui kelas atau contoh, yang mempengaruhi seluruh kelas dan bukannya contoh tertentu; Sebagai contoh, dalam kelas orang, kaedah show_count () mengira bilangan objek yang dibuat; Apabila menentukan kaedah kelas, anda perlu menggunakan penghias @classmethod dan namakan parameter pertama CLS, seperti kaedah change_var (new_value) untuk mengubah suai pembolehubah kelas; Kaedah kelas adalah berbeza daripada kaedah contoh (parameter diri) dan kaedah statik (tiada parameter automatik), dan sesuai untuk kaedah kilang, pembina alternatif, dan pengurusan pembolehubah kelas. Kegunaan biasa termasuk:

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

MagicMethods Python (atau kaedah dunder) adalah kaedah khas yang digunakan untuk menentukan tingkah laku objek, yang bermula dan berakhir dengan garis bawah dua. 1. Mereka membolehkan objek bertindak balas terhadap operasi terbina dalam, seperti tambahan, perbandingan, perwakilan rentetan, dan sebagainya; 2. Kes penggunaan biasa termasuk inisialisasi objek dan perwakilan (__init__, __repr__, __str__), operasi aritmetik (__add__, __sub__, __mul__) dan operasi perbandingan (__eq__, ___lt__); 3. Apabila menggunakannya, pastikan tingkah laku mereka memenuhi jangkaan. Sebagai contoh, __repr__ harus mengembalikan ungkapan objek refortable, dan kaedah aritmetik harus mengembalikan contoh baru; 4. Perkara yang berlebihan atau mengelirukan harus dielakkan.

Pythonmanagesmemoryautomatically leverenceCountingandagarbageCollector.referenceCountingTrackShowmanyvariablesreferoanobject, dan yang mana -mana, dan yang mana -mana

Mekanisme pengumpulan sampah Python secara automatik menguruskan memori melalui pengiraan rujukan dan pengumpulan sampah berkala. Kaedah terasnya adalah penghitungan rujukan, yang segera melepaskan memori apabila bilangan rujukan objek adalah sifar; Tetapi ia tidak dapat mengendalikan rujukan bulat, jadi modul pengumpulan sampah (GC) diperkenalkan untuk mengesan dan membersihkan gelung. Pengumpulan sampah biasanya dicetuskan apabila kiraan rujukan berkurangan semasa operasi program, perbezaan peruntukan dan pelepasan melebihi ambang, atau apabila gc.collect () dipanggil secara manual. Pengguna boleh mematikan kitar semula automatik melalui gc.disable (), secara manual melaksanakan gc.collect (), dan menyesuaikan ambang untuk mencapai kawalan melalui gc.set_threshold (). Tidak semua objek mengambil bahagian dalam kitar semula gelung. Sekiranya objek yang tidak mengandungi rujukan diproses dengan mengira rujukan, ia terbina dalam
