Python数据可视化编程通过Matplotlib创建散点图代码示例
作者:kekezhai 时间:2022-01-04 17:23:34
Matplotlib简述:
Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D方面)。该项目是由JohnHunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口。如果结合PythonIDE使用比如PyCharm,matplotlib还具有诸如缩放和平移等交互功能。它不仅支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF、SVG、JPG、PNG、BMP、GIF等。此外,matplotlib还有许多插件工具集,如用于3D图形的mplot3d以及用于地图和投影的basemap。
准备数据:从文本文件中解析数据
本文使用的数据主要包含以下三种特征:每年获得的飞行常客里程数,玩视频游戏所耗时间百分比,每周消费的冰淇淋公升数。其中分类结果作为文件的第四列,并且只有3、2、1三种分类值。
飞行里程数 | 游戏耗时百分比 | 冰淇淋公升数 | 分类结果 |
40920 | 8.326976 | 0.953952 | 3 |
14488 | 7.153469 | 1.673904 | 2 |
26052 | 1.441871 | 0.805124 | 1 |
...... | ...... | ...... | ...... |
上述特征数据的格式经过file2matrix函数解析处理之后,可输出为矩阵和类标签向量。
将文本记录转换为Numpy的解析程序:
使用file2matrix读取文件数据,必须确保待解析文件存储在当前的工作目录中。导入数据之后,简单检查一下数据格式:
分析数据:使用Matplotlib创建散点图
编辑kNN.py文件,引入matplotlib,调用matplotlib的scatter绘制散点图。
import matplotlib
import matplotlib.pyplot as plt
def file2matrix(filename):
......
return returnMat,classLabelVector
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')
fig = plt.figure()
ax = fig.add_subpot(111)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2])
plt.show()
散点图使用datingDataMat矩阵的第二、第三列数据,分别表示特征值“玩视频游戏所耗时间百分比”和“每周消费的冰淇淋公升数”。
上图由于没有使用样本分类的特征值,很难看到任何有用的数据模式信息。为了更好理解数据信息,Matplotlib库提供的scatter函数支持个性化标记散点图上的点。调用scatter函数使用下列参数:
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))
plt.show()
上图利用datingLabels存储的类标签属性,在散点图上绘制了色彩不等、尺寸不同的点。因而基本上可以从图中看到数据点所属三个样本分类的区域轮廓。为了得到更好的效果,采用datingDataMat矩阵的属性列1和2展示数据,并以红色的'*'表示类标签1、蓝色的'o'表示表示类标签2、绿色的'+'表示类标签3,修改参数如下:
import numpy as np
......
datingLabels = array(datingLabels)
idx_1 = np.where(datingLabels==1)
p1 = ax.scatter(datingDataMat[idx_1,0],datingDataMat[idx_1:,1],market = '*',color = 'r',label='1',s=20
idx_2 = np.where(datingLabels==2)
p2 = ax.scatter(datingDataMat[idx_2,0],datingDataMat[idx_2:,1],market = 'o',color ='b',label='1',s=10
idx_3 = np.where(datingLabels==3)
p3 = ax.scatter(datingDataMat[idx_3,0],datingDataMat[idx_3:,1],market = '+',color ='g',label='1',s=30
plt.legend(loc = 'upper right')
plt.show()
总结
本文简单介绍了Matplotlib,并以实例分析了如何使用Matplotlib库图形化展示数据,最后通过修改matplotlib的scatter函数参数使得散点图的分类区域更加清晰。
希望对大家有所帮助。如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
来源:http://blog.sina.com.cn/s/blog_8d249b140102wf3m.html
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
Python实现自定义读写分离代码实例
Python:__eq__和__str__函数的使用示例
分享我们的select控件设计过程
![](https://img.aspxhome.com/file/UploadPic/20096/16/01-92s.png)
将图片读入到Dom中,并将其存为xml文件
CSS3中的box-sizing属性
![](https://img.aspxhome.com/file/UploadPic/20104/5/20090424070002186-44s.png)
Python全栈之队列详解
![](https://img.aspxhome.com/file/2023/5/85385_0s.png)
自适应线性神经网络Adaline的python实现详解
![](https://img.aspxhome.com/file/2023/4/87784_0s.jpg)
分享一枚pycharm激活码适用所有pycharm版本我的pycharm2020.2.3激活成功
![](https://img.aspxhome.com/file/2023/2/90682_0s.png)
ORACLE8的分区管理
Python中字符编码简介、方法及使用建议
详解python读取matlab数据(.mat文件)
![](https://img.aspxhome.com/file/2023/1/89331_0s.png)
电子商务搜索LIST页面用户体验设计
![](https://img.aspxhome.com/file/UploadPic/20108/3/20108313022804s.jpg)
解析python中的jsonpath 提取器
Python中import语句用法案例讲解
![](https://img.aspxhome.com/file/2023/5/91965_0s.png)
python数据类型之间怎么转换技巧分享
![](https://img.aspxhome.com/file/2023/0/65040_0s.png)
通过js获取div的background-image属性
Python Vaex实现快速分析100G大数据量
![](https://img.aspxhome.com/file/2023/8/80538_0s.png)
python3反转字符串的3种方法(小结)
Pycharm 文件更改目录后,执行路径未更新的解决方法
![](https://img.aspxhome.com/file/2023/6/60966_0s.jpg)
python卸载后再次安装遇到的问题解决
![](https://img.aspxhome.com/file/2023/1/89231_0s.png)