代码收藏家技术教程 2022-07-24

python画散点图

文章目录

前言

一、散点图函数

二、函数参数介绍

三、代码实例

总结

前言

最近在搞聚类算法，所以难免会用到一些散点图的用法，总结一下，方便以后参考。

一、散点图函数

#首先调用一下画图的库
import matplotlib.pyplot as plt
plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

#记得用完了这个函数要show一下，不然成不了图片
plt.show()

二、函数参数介绍

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。用来表示散点图的横纵坐标，例如一个（100，99）的数据，x=100,y=99

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小，数值越大对应的图中的点越大。

c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
写一下常用的颜色所对应的数组：
‘b’ blue
‘g’ green
‘r’ red
‘c’ cyan
‘m’ magenta
‘y’ yellow
‘k’ black
‘w’ white

marker：点的样式，默认小圆圈 ‘o’。
常用的点的样式：
‘.’：点(point marker)
‘,’：像素点(pixel marker)
‘o’：圆形(circle marker)
‘v’：朝下三角形(triangle_down marker)
‘^’：朝上三角形(triangle_up marker)
‘<‘：朝左三角形(triangle_left marker)
‘>’：朝右三角形(triangle_right marker)
‘1’：(tri_down marker)
‘2’：(tri_up marker)
‘3’：(tri_left marker)
‘4’：(tri_right marker)
‘s’：正方形(square marker)
‘p’：五边星(pentagon marker)
‘*’：星型(star marker)
‘h’：1号六角形(hexagon1 marker)
‘H’：2号六角形(hexagon2 marker)
‘+’：+号标记(plus marker)
‘x’：x号标记(x marker)
‘D’：菱形(diamond marker)
‘d’：小型菱形(thin_diamond marker)
‘|’：垂直线形(vline marker)
‘_’：水平线形(hline marker)

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
还没搞明白这玩意的用法。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用，改变点的亮度。

vmin，vmax：亮度设置，在 norm 参数存在时会忽略。

alpha：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：标记点的长度。

edgecolors：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。表示的是点的描边的颜色，例如 edgecolors=‘r’ 就是让边的颜色为红色。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs：：其他参数。

三、代码实例

在这里我们先引入一个点的数据命名为 data.txt

读入点的数据并画图，我们这里是用的pandas读的，pandas读出来之后数据格式比较麻烦，我们得对他进行数据处理。

import matplotlib.pyplot as plt
import pandas as pd

#读入文件
file_path = "data.txt"
df = pd.read_table(file_path, header=None)

#定义 x  y变量
x = []
y = []

#定义颜色变量
color = ['c', 'b', 'g', 'r', 'm', 'y', 'k', 'w']

#用for循环将文件中的值赋值给x，y
for i in range(len(df[0])):
    x.append(int(df[0][i].split(',')[0]))
    y.append(int(df[0][i].split(',')[1]))

#画图
plt.scatter(x, y, c=color[1], edgecolors='r')
plt.show()

代码所示图的样式：

在这里我在附一张用Kmeans聚类算法画的图。

这里我聚成了4个类，分别用不同的颜色和图形来表示，效果很明显。