博客
关于我
python可视化编程--matplotlib(二散点图)
阅读量:635 次
发布时间:2019-03-14

本文共 2043 字,大约阅读时间需要 6 分钟。

1、画单个点

# 散点图plit.scatter(2, 4,marker='o',c='b')plit.title("scatter", fontsize=14)plit.xlabel("x", fontsize=14)plit.ylabel("y", fontsize=14)plit.ticklabel_format(axis='both')plit.show()

marker的类型:

 

颜色参数C的值:

2、自动计算

xV = list(np.arange(1, 5))y = [x ** 2 for x in xV]plit.scatter(xV, y,c=(0, 0.5, 0.3))plit.show()

3、颜色映射

plt.scatter(x,y,c=y,cmap=plt.cm.gist_rainbow,s=20)#cm即colormap,c=y表示颜色随y变化

4、自动保存图表

xV = list(np.arange(1, 500))y = [x ** 2 for x in xV]plit.scatter(xV, y, c=y, cmap=plit.cm.hot, s=10)# plit.show()plit.savefig('aaa.png')  #图表保存,代替show

5、随机漫步

模拟随机

randomMy.py文件:

# 随机漫步from random import choiceclass RandomWalk():    def __init__(self, num_points=50):        self.num_points = num_points        self.x_values = [0]        self.y_values = [0]    def fill_walk(self):        while len(self.x_values) < self.num_points:            x_direction = choice([1, -1])            x_distance = choice([0, 1, 2, 3, 4])            x_step = x_direction * x_distance            y_direction = choice([1, -1])            y_distance = choice([0, 1, 2, 3, 4])            y_step = y_direction * y_distance            if x_step == 0 and y_step == 0:                continue            next_x = self.x_values[-1] + x_step            next_y = self.y_values[-1] + y_step            self.x_values.append(next_x)            self.y_values.append(next_y)

调用文件hello.py

# 随机漫步from randomMy import RandomWalkimport matplotlib.pyplot as plitrwn = RandomWalk()rwn.fill_walk()# plit.scatter(rwn.x_values, rwn.y_values, s=15)  #点图1plit.plot(rwn.x_values) #线图2plit.plot(rwn.y_values)  #线图2plit.show()

         

while True:    rwn = RandomWalk()    rwn.fill_walk()    point_number = list(range(rwn.num_points))    plit.scatter(rwn.x_values, rwn.y_values,c=point_number, cmap=plit.cm.hot, s=15)
plit.scatter(0,0,c='green',edgecolors='none',s=100)   //图二   重新绘制原点、终点    plit.scatter(rwn.x_values[-1],rwn.y_values[-1],c='red',edgecolors='none',s=100) //图二 重新绘制原点、终点        plit.show()    keep_running = input("make anoter walk?(y/n):")

 图一               图二

调整尺寸以适应屏幕

plit.figure(figsize=(10,6))

 

 

你可能感兴趣的文章
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>
Nmap渗透测试指南之指纹识别与探测、伺机而动
查看>>
Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
查看>>