マットプロットリブ は Python の広範なライブラリとして機能し、静的、アニメーション化された、インタラクティブな視覚化を生成する機能を提供します。 Python の Matplotlib.pyplot.scatter() は、散布図、棒グラフ、円グラフ、折れ線グラフ、ヒストグラム、3 次元プロットなどのさまざまなプロットの作成に拡張されます。
より深く理解するには、「ガイド」というタイトルの追加情報を参照してください。 Python Matplotlib – 概要 。
Cの文字列
Matplotlib.pyplot.scatter() とは何ですか?
の matplotlib.pyplot.scatter() プロットは、変数間の関係をドットを利用して表現し、変数間の関係を探索および分析するための視覚的なツールとして機能します。 matplotlib ライブラリは、 散布() 散布図を作成するために特別に設計されたメソッド。これらのプロットは、変数間の相互依存性と、ある変数の変更が別の変数にどのような影響を与えるかを示すのに役立ちます。
構文 : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=なし, c=なし, マーカー=なし, cmap=なし, vmin=なし, vmax=なし, alpha=なし, linewidths=なし, エッジカラー=なし)
パラメーター：
x_axis_data>: x-axis.matplotlib のデータを含む配列s>: マーカー サイズ。スカラー、または x または y のサイズと同じサイズの配列にすることができます。c>: マーカーの一連の色の色。marker>: マーカーのスタイル。cmap>: カラーマップ名。linewidths>: マーカーの境界線の幅。edgecolor>: マーカーの境界線の色。alpha>: ブレンド値。0 (透明) ～ 1 (不透明) の範囲です。
を除いて x_axis_data> そして y_axis_data> 、他のすべてのパラメータはオプションであり、デフォルト値は「なし」に設定されています。以下の散布図の例は、これらのオプションのパラメーターのさまざまな組み合わせを示すことで、scatter() メソッドの多用途性を示しています。
Python の Matplotlib.pyplot.scatter()
Python で matplotlib.pyplot.scatter() を使用してプロットを作成するにはさまざまな方法があります。 マットプロットライブラリ。 pyplot.scatter() で機能する matplotlib.plot:
- 基本的な散布図
- 複数のデータセットを使用した散布図
- バブル チャート プロット
- カスタマイズされた散布図
Matplotlib の散布図
matpltlib をインポートすることによって。 Lot() 散布図を作成しました。 x 座標と y 座標を定義し、点を青色でプロットして表示します。
Python3
import> matplotlib.pyplot as plt> x>=>[>5>,>7>,>8>,>7>,>2>,>17>,>2>,>9>,> >4>,>11>,>12>,>9>,>6>]> y>=>[>99>,>86>,>87>,>88>,>100>,>86>,> >103>,>87>,>94>,>78>,>77>,>85>,>86>]> plt.scatter(x, y, c>=>'blue'>)> # To show the plot> plt.show()> |
>
>
出力 :
基本的な散布図
複数のデータセットを散布図にプロットする
以下のコードは、それぞれが x 座標と y 座標のセットを持つ 2 つの異なるデータセットを示す散布図を生成します。このコードでは、視覚化を強化するために、さまざまなマーカー、色、スタイル オプションが使用されています。
Python3
import> matplotlib.pyplot as plt> # dataset-1> x1>=> [>89>,>43>,>36>,>36>,>95>,>10>,> >66>,>34>,>38>,>20>]> y1>=> [>21>,>46>,>3>,>35>,>67>,>95>,> >53>,>72>,>58>,>10>]> # dataset2> x2>=> [>26>,>29>,>48>,>64>,>6>,>5>,> >36>,>66>,>72>,>40>]> y2>=> [>26>,>34>,>90>,>33>,>38>,> >20>,>56>,>2>,>47>,>15>]> plt.scatter(x1, y1, c>=>'pink'>,> >linewidths>=> 2>,> >marker>=>'s'>,> >edgecolor>=>'green'>,> >s>=> 50>)> plt.scatter(x2, y2, c>=>'yellow'>,> >linewidths>=> 2>,> >marker>=>'^'>,> >edgecolor>=>'red'>,> >s>=> 200>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.show()> |
>
>
出力 :
複数のデータセットを使用した散布図
Matplotlib のバブル プロット
このコードは、Matplotlib を使用してバブル チャートを生成します。指定された x 座標と y 座標で点をプロットします。各点は、 bubble_sizes> リスト。チャートには、透明度、エッジの色、線幅がカスタマイズされています。最後に、タイトルと軸ラベルを付けてプロットを表示します。
Python3
import> matplotlib.pyplot as plt> # Data> x_values>=> [>1>,>2>,>3>,>4>,>5>]> y_values>=> [>2>,>3>,>5>,>7>,>11>]> bubble_sizes>=> [>30>,>80>,>150>,>200>,>300>]> # Create a bubble chart with customization> plt.scatter(x_values, y_values, s>=>bubble_sizes, alpha>=>0.6>, edgecolors>=>'b'>, linewidths>=>2>)> # Add title and axis labels> plt.title(>'Bubble Chart with Transparency'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display the plot> plt.show()> |
>
>
出力:
おっと、Javaでは
バブルチャート
Matplotlib 散布図をカスタムする
Matplotlib をインポートすることで、次を使用してカスタマイズされた散布図を作成します。 マットプロットリブ そして ナムピー 。 X および Y 座標、色、サイズのランダム データを生成します。次に、色、サイズ、透明度、カラーマップなどのカスタマイズされたプロパティを使用して散布図が作成されます。プロットには、タイトル、軸ラベル、および色の強度スケールが含まれます。最後にプロットが表示されます
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> colors>=> np.random.rand(>50>)> sizes>=> 100> *> np.random.rand(>50>)> # Create a customized scatter plot> plt.scatter(x, y, c>=>colors, s>=>sizes, alpha>=>0.7>, cmap>=>'viridis'>)> # Add title and axis labels> plt.title(>'Customized Scatter Plot'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display color intensity scale> plt.colorbar(label>=>'Color Intensity'>)> # Show the plot> plt.show()> |
>
>
出力 :
カスタマイズされた散布図
結論
結論は、 matplotlib.pyplot.scatter()> Python は、散布図を通じて変数間の関係を視覚化するための多用途かつ強力なツールです。その柔軟性により、マーカー、色、サイズ、その他のプロパティのカスタマイズが可能になり、複雑なデータ パターンを表現する動的な手段が提供されます。基本的な探索分析であれ、詳細なデータ解釈であれ、この関数は、Python プログラミング環境内で有益で視覚的に魅力的な散布図を作成する上で重要な役割を果たします。