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。