python多维数据怎么绘制散点图

1. python多维数据怎么绘制散点图

python matplotlib模块，是扩展的MATLAB的一个绘图工具库。他可以绘制各种图形，可是最近最的一个小程序，得到一些三维的数据点图，就学习了下python中的matplotlib模块，如何绘制三维图形。
初学者，可能对这些第三方库安装有一定的小问题，对于一些安装第三方库经验较少的朋友，建议使用 Anaconda ，集成了很多第三库，基本满足大家的需求，下载地址，对应选择python 2.7 或是 3.5 的就可以了（PS：后面的demo是python2.7）： 
首先提醒注意，以下两个函数的区别：
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow') #绘面1
和
ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r') #绘点1
1、绘制3D曲面图
# -*- coding: utf-8 -*-"""Created on Thu Sep 24 16:17:13 2015@author: Eddy_zheng"""from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()ax = Axes3D(fig)X = np.arange(-4, 4, 0.25)Y = np.arange(-4, 4, 0.25)X, Y = np.meshgrid(X, Y)R = np.sqrt(X**2 + Y**2)Z = np.sin(R)# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')plt.show()1234567891011121314151617181920212223
效果展示： 
2、绘制三维的散点图（通常用于表述一些数据点分布）
4a.mat 数据地址，找到4a.mat 下载即可: 
# -*- coding: utf-8 -*-"""Created on Thu Sep 24 16:37:21 2015@author: Eddy_zheng"""import scipy.io as sio  from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltmat1 = '4a.mat' #这是存放数据点的文件，需要它才可以画出来。上面有下载地址data = sio.loadmat(mat1)m = data['data']x,y,z = m[0],m[1],m[2]ax=plt.subplot(111,projection='3d') #创建一个三维的绘图工程#将数据点分成三部分画，在颜色上有区分度ax.scatter(x[:1000],y[:1000],z[:1000],c='y') #绘制数据点ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r')ax.scatter(x[4000:],y[4000:],z[4000:],c='g')ax.set_zlabel('Z') #坐标轴ax.set_ylabel('Y')ax.set_xlabel('X')plt.show()123456789101112131415161718192021222324252627
效果： 
上面就是学习区分了下两个函数，当时还被小困惑了下，希望对大家有所帮助。其实里面还有好多参数设置，比如说改变颜色，包括绘制点图的点的形状等都是可以改变的，有需要的大家可以自己看看这个函数，学习下(help(对应的function))。
版权声明：本文为博主原创文章，未经博主允许不得转载。Eddy_zheng

2. Matplotlib 绘制直方图、散点图

 直方图可以帮助我们直观地发现数据在不同区间的分布和集中情况。下面，我们就先来学习一下  Matplotlib  直方图的绘制~
   首先，导入工具包并执行魔法指令：
   绘制直方图，除了需要传递数据之外，还需要我们设置一个  bins  ，即区间的划分：
   绘制结果：
                                           此外，我们还可以在一张图中绘制两组数据的直方图，可以进行对比分析：
   这里除了使用  plt.legend(loc='best')  添加了图注之外，在  plt.hist  绘制直方图时，我们设置了透明度  alpha=0.6  ，这样重叠的区间也可区分出两组数据了~
                                           使用  plt.scatter  即可绘制散点图：
   其中数据集  x1   x2   x3  都是二维的矩阵，在绘制散点图时我们将第一个维度的值作为横坐标，第二个维度的值作为纵坐标。
   绘制结果：
                                           上述，无论是散点图还是直方图，在一个坐标系绘制多组数据时， Matplotlib  都会自动为我们指定颜色，还是很方便的。我们只需要添加图注即可~
   下面，我们来给散点图标注点的坐标~首先，绘制一个简单的散点图：
   绘制结果：
                                           使用  annotate  在坐标系中添加注释：

3. Python人工智能入门（36）：Matplotlib之散点图

4. 数据可视化之如何用Matplotlib画好看的图

【导语】有时候有些事情，我们无法用言语清晰的表达，我们可以通过图表。文不如表，表不如图。所以，可视化是数据分析中最重要的任务之一。python中有很多可视化的工具包，这篇文章主要围绕Matplotlib，需要的小伙伴可以做个参考。
  
  Matplotlib 官方定义：Matplotlib是一个综合库，用于在Python中创建静态，动画和交互式可视化。
   
                                          
 
  
 导入相关包， 测试数据是阿里的双十二用户行为 ，绘制按天的pv和uv用户浏览量的折线图。
                                          
 图表说明：双十二期间，pv和uv访问量达到峰值，并且可以发现，uv和pv两个访问量数值差距比较大，同时，因为数据集总人数大约是10000人左右，因此，通过uv值可以分析出双十二期间淘宝用户的日活跃大概是45%浮动。
  
 测试数据是饭店的综合评分，综合评分，口味评分，环境评分，服务评分，人均价格，绘制散点图，观察人均价格和分别对口味评分、环境评分、服务评分的关系。
                                          
 图表说明：通过观察散点的离散程度，人均价格和服务、环境的相关性更大一些。
                                          
 图表说明：通过热力图颜色的渐变程度，在影响综合评分的因素中，环境评分和口味评分呈现高度相关，人均价格呈现中度相关，人均价格则呈现极低的相关性。
                                          
 实现方法：plt.pie(x,lables,autopct,shadow,startangle,colors,explode)
                                                                                                                                                                                                          
 本篇文章主要归纳了Matplotlib的绘图方法，具体的使用还是要结合我们的业务数据。那么在企业中，可视化不仅仅能展现数据规律，挖掘有价值的信息；还可以监测数据异常指标；为建模提供一些想法，做一些预测等。
  
 希望本文的内容对大家的学习或者工作能带来一定的帮助，每天进步一点点，加油。