Matplotlib绘制炫酷散点图：从二维到三维，再到散点图矩阵的完整指南与实战【第58篇

Matplotlib绘制炫酷散点图：从二维到三维，再到散点图矩阵的完整指南与实战【第58篇—python：Matplotlib绘制炫酷散点图】

文章目录

Matplotlib绘制炫酷散点图：二维、三维和散点图矩阵的参数说明与实战
- 引言
- 二维散点图
- 三维散点图
- 散点图矩阵
- 二维散点图进阶：辅助线、注释和子图
- 三维散点图进阶：动画效果和交互性
- 散点图矩阵进阶：调整样式和添加密度图
- 总结与展望
- 附录：Matplotlib常用散点图参数说明
- - 二维散点图参数说明
  - 三维散点图参数说明
  - 散点图矩阵参数说明
  - 通用参数说明

Matplotlib绘制炫酷散点图：二维、三维和散点图矩阵的参数说明与实战

引言

Matplotlib是Python中常用的数据可视化库之一，广泛应用于科学计算、数据分析和机器学习等领域。在本文中，我们将探讨Matplotlib如何绘制炫酷的散点图，包括二维散点图、三维散点图以及散点图矩阵。我们将深入了解每种散点图的参数说明，并通过实战代码演示它们的应用。

二维散点图

Matplotlib中的scatter函数可用于绘制二维散点图。以下是一些常用参数说明：

x和y：指定散点图的x和y坐标。
s：指定散点的大小。
c：指定散点的颜色。
marker：指定散点的标记样式。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

# 绘制二维散点图
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
plt.title('二维散点图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.colorbar(label='颜色深浅')
plt.show()

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

三维散点图

如果想要绘制三维散点图，可以使用mplot3d模块。以下是一些关键参数：

xs、ys和zs：指定散点的x、y和z坐标。
c：指定散点的颜色。
marker：指定散点的标记样式。

from mpl_toolkits import mplot3d

# 生成随机数据
np.random.seed(42)
xs = np.random.rand(50)
ys = np.random.rand(50)
zs = np.random.rand(50)
colors = np.random.rand(50)
sizes = 100 * np.random.rand(50)

# 绘制三维散点图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(xs, ys, zs, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
ax.set_title('三维散点图')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.show()

散点图矩阵

散点图矩阵是一种同时显示多个变量之间关系的图表，可通过scatter_matrix函数实现。以下是一些关键参数：

diagonal：指定对角线上绘制的图表类型。
marker：指定散点的标记样式。
c：指定散点的颜色。

from pandas.plotting import scatter_matrix
import pandas as pd

# 生成随机数据
np.random.seed(42)
data = pd.DataFrame(np.random.rand(100, 4), columns=['A', 'B', 'C', 'D'])

# 绘制散点图矩阵
scatter_matrix(data, alpha=0.8, figsize=(10, 10), marker='o', diagonal='kde', c='r')
plt.suptitle('散点图矩阵')
plt.show()

二维散点图进阶：辅助线、注释和子图

在绘制二维散点图时，我们可以进一步优化图表，增加辅助线、注释和子图，以提高可读性和信息传达。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)

# 绘制二维散点图
fig, ax = plt.subplots()
sc = ax.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')

# 添加辅助线和注释
ax.axhline(0.5, color='gray', linestyle='--', linewidth=1)
ax.axvline(0.5, color='gray', linestyle='--', linewidth=1)
ax.annotate('中心点', xy=(0.5, 0.5), xytext=(0.6, 0.7),
            arrowprops=dict(facecolor='black', shrink=0.05))

# 设置标题和坐标轴标签
ax.set_title('二维散点图（进阶）')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')

# 添加颜色条
cbar = plt.colorbar(sc, label='颜色深浅')

plt.show()

三维散点图进阶：动画效果和交互性

对于三维散点图，我们可以通过添加动画效果和交互性来增强用户体验。

from mpl_toolkits import mplot3d
from matplotlib.animation import FuncAnimation

# 生成随机数据
np.random.seed(42)
xs = np.random.rand(50)
ys = np.random.rand(50)
zs = np.random.rand(50)
colors = np.random.rand(50)
sizes = 100 * np.random.rand(50)

# 绘制动态的三维散点图
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

def update(frame):
    ax.cla()
    ax.scatter(xs, ys, zs, s=sizes, c=colors, marker='o', alpha=0.7, cmap='viridis')
    ax.set_title(f'三维散点图 - 帧 {frame}')
    ax.set_xlabel('X轴')
    ax.set_ylabel('Y轴')
    ax.set_zlabel('Z轴')

ani = FuncAnimation(fig, update, frames=range(50), interval=200)
plt.show()

散点图矩阵进阶：调整样式和添加密度图

在散点图矩阵中，我们可以调整样式，并添加密度图以更全面地呈现变量之间的关系。

from pandas.plotting import scatter_matrix
import pandas as pd

# 生成随机数据
np.random.seed(42)
data = pd.DataFrame(np.random.rand(100, 4), columns=['A', 'B', 'C', 'D'])

# 绘制散点图矩阵（进阶）
scatter_matrix(data, alpha=0.8, figsize=(10, 10), marker='o', diagonal='kde', c='r', grid=True)
plt.suptitle('散点图矩阵（进阶）')
plt.show()