Chúng tôi cung cấp nhiều lựa chọn các khóa học từ các trường đại học và tổ chức văn hóa hàng đầu từ khắp nơi trên thế giới. Chúng được cung cấp từng bước một và có thể truy cập được trên thiết bị di động, máy tính bảng và máy tính để bàn, vì vậy bạn có thể phù hợp với việc học xung quanh cuộc sống của mình
Chúng tôi tin rằng việc học phải là một trải nghiệm xã hội, thú vị, vì vậy các khóa học của chúng tôi mang đến cơ hội thảo luận những gì bạn đang học với những người khác trong quá trình học, giúp bạn có những khám phá mới mẻ và hình thành ý tưởng mới.
Bạn có thể mở ra những cơ hội mới với quyền truy cập không giới hạn vào hàng trăm khóa học ngắn hạn trực tuyến trong một năm bằng cách đăng ký gói Không giới hạn của chúng tôi. Xây dựng kiến thức của bạn với các trường đại học và tổ chức hàng đầu.
Tìm hiểu thêm về cách FutureLearn đang thay đổi cách tiếp cận giáo dục
# thư viện nhập matplotlib. pyplot as plt import numpy as np import pandas as pd # Tạo tập dữ liệu. df=pd. Khung dữ liệu [{'x_values'. phạm vi [1.101], 'y_values'. np. ngẫu nhiên. randn[100]*15+phạm vi[1,101] }] # cốt truyện plt. cốt truyện [ 'x_values', 'y_values', data=df, linestyle='none', marker='o'] plt. buổi bieu diễn[]Đối với hướng dẫn này, bạn cần cài đặt các gói Python
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Nhận tập dữ liệu
Đầu tiên, tạo một tập dữ liệu ngẫu nhiên,
import numpy as np
x = np.random.normal[size=20, loc=2]
y = np.random.normal[size=20, loc=6]
Vẽ biểu đồ phân tán
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Kiểm tra các thông số khác cho
plt.savefig["scatterplot.png", dpi=300, format="png"]
Đánh dấu và tô màu
Các tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Thay đổi điểm đánh dấu và màu của điểm dữ liệu,
plt.savefig["scatterplot.png", dpi=300, format="png"]
Đánh dấu và minh bạch
Thay đổi kích thước điểm đánh dấu và độ trong suốt của các điểm dữ liệu bằng các tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
bản đồ màu
Phiên bản bản đồ màu có thể được sử dụng để ánh xạ các giá trị dữ liệu sang màu RGBA cho một bản đồ màu nhất định. Tùy chọn bản đồ màu được cung cấp bằng tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Bản đồ màu mặc định là
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Để kiểm soát giới hạn bắt đầu và kết thúc của thanh màu, bạn có thể chuyển các tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Thêm các đường ngang và dọc trên biểu đồ phân tán
Hàm
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Đối với các đường nằm ngang, vị trí trên trục y phải được cung cấp. Ngoài ra, các tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Đối với đường thẳng đứng, vị trí trên trục x phải được cung cấp. Ngoài ra, các tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
Kích thước điểm đánh dấu dựa trên kích thước của từng điểm dữ liệu
Thay đổi kích thước của các điểm dữ liệu bằng tham số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
So sánh các biểu đồ phân tán khác nhau
Bạn có thể xếp chồng nhiều biểu đồ phân tán trong cùng một biểu đồ để trực quan hóa các bộ dữ liệu khác nhau
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Các ô phụ cạnh nhau
Bạn có thể tạo hai ô phân tán [lưới các ô con] trong cùng một hình,
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Tạo hai ô phân tán [lưới ô phụ] trong cùng một hình có trục chung,
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Tạo biểu đồ phân tán cho dữ liệu đa biến
Biểu đồ phân tán có thể được sử dụng để trực quan hóa dữ liệu đa biến. Tôi sẽ sử dụng ví dụ về bộ dữ liệu iris chứa bốn tính năng, ba lớp/mục tiêu [loại cây iris] và 150 quan sát
Trong ví dụ này, bạn cũng sẽ tìm hiểu cách tạo biểu đồ phân tán từ DataFrame của gấu trúc
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Thêm huyền thoại mục tiêu,
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Tạo biểu đồ phân tán 3D
Tạo biểu đồ phân tán 3D bằng cách sử dụng ba tính năng từ bộ dữ liệu mống mắt. Để tạo biểu đồ 3D, hãy chuyển đối số
plt.savefig["scatterplot.png", dpi=300, format="png"]
plt.savefig["scatterplot.png", dpi=300, format="png"]
import matplotlib.pyplot as plt
plt.scatter[x, y]
plt.title['Basic Scatter plot']
plt.xlabel['x']
plt.ylabel['y']
plt.show[]
Nâng cao kỹ năng của bạn với các khóa học về Python
- Chuyên ngành Python cho mọi người
- Python để phân tích dữ liệu. Gấu trúc & NumPy
- Làm chủ phân tích dữ liệu với Pandas. Con đường học tập Phần 1
- Phân tích dữ liệu bằng Python
- Chuyên ngành máy học
Người giới thiệu
- matplotlib. pyplot. tiêu tan
- biểu đồ phân tán 3D
Nếu bạn có bất kỳ câu hỏi, nhận xét hoặc đề xuất nào, vui lòng gửi email cho tôi theo địa chỉ reneshbe@gmail. com
Nếu bạn nâng cao kiến thức và kỹ năng thực tế của mình từ bài viết này, hãy xem xét hỗ trợ tôi trên
Tác phẩm này được cấp phép theo Creative Commons Attribution 4. 0 Giấy phép quốc tế
Một số liên kết trên trang này có thể là liên kết liên kết, có nghĩa là chúng tôi có thể nhận được hoa hồng liên kết khi mua hàng hợp lệ. Nhà bán lẻ sẽ trả hoa hồng mà không tính thêm phí cho bạn