Как создать точечную диаграмму с несколькими цветами в Matplotlib?

Диаграмма рассеяния – это визуализация данных, отображающая взаимосвязь между двумя переменными. Маркер или символ размещается на графике в координатах, соответствующих значениям каждой точки данных для двух переменных, представляющих эту точку данных. Графика может помочь найти закономерности, тенденции и выбросы в данных.

Диаграммы рассеяния и другие типы визуализации данных можно создать с помощью известного модуля Python Matplotlib. Предоставляя список цветов, которым должна принадлежать каждая точка графика, пользователь может использовать Matplotlib для создания диаграммы рассеяния с различными оттенками. Таким образом, мы можем использовать график для визуального изображения третьей переменной или категории.

Используйте функцию рассеяния в Matplotlib и параметр c, чтобы передать данные x и y, а также список цветов для создания диаграммы рассеяния. Более того, пользователь может добавлять к графику метки, подписи и легенды, чтобы предоставить контекст и подробную информацию о данных. Мы можем узнать больше о связях между переменными и обнаружить любые интригующие тенденции или закономерности, изучив полученный график.

Использование параметра C

Цвет каждого маркера на точечной диаграмме определяется параметром c функции рассеяния Matplotlib. В зависимости от того, как пользователь желает связать цвета с данными, это может принимать различные формы.

Все маркеры диаграммы рассеяния будут иметь один и тот же цвет, если параметру c будет передана одноцветная строка или кортеж значений RGBA. Например, диаграмма рассеяния с синими маркерами будет создана, если c='blue' или c=(0,0, 0,0, 1,0, 1,0).

Синтаксис

import matplotlib.pyplot as plt
plt.scatter(x, y, c=colors)

Данные, которые будут отображаться на осях x и y, обозначаются буквами x и y. Параметр c определяет оттенок цвета маркера. Аргумент cmap может сопоставить это с цветовой картой как один цвет, серию цветов или серию значений.

Пример 1

В этом примере мы создаем точечную диаграмму с несколькими цветами. Мы указываем цвет для каждой точки в списке цветов и координаты для каждой точки в списках x и y. Эти списки затем передаются в метод scatter(), где цвет каждой точки задается установкой c=colors. Наконец, мы отображаем график с помощью plt.show() и добавляем метки и заголовок с помощью plt.xlabel(), plt.ylabel() и plt.title().

import matplotlib.pyplot as plt

# Define x, y, and colors for each point
x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]
colors = ['red', 'green', 'blue', 'yellow', 'purple']

# Create a scatter plot with multiple colors
plt.scatter(x, y, c=colors)

# Add labels and title
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Scatter plot with Multiple Colours!')

plt.show()

Выход

Пример 2

В этом примере мы используем Matplotlib для создания диаграммы рассеяния с множеством цветов. Мы импортируем Matplotlib и NumPy, две необходимые библиотеки. Затем мы используем функцию rand NumPy для создания случайных данных x и y и списка случайных цветов для каждой точки диаграммы рассеяния. Затем функция рассеяния используется для построения диаграммы рассеяния различных цветов с использованием параметров x, y и c. Опция c определяет список цветов, которые будут использоваться для каждой точки. Сопоставление между значениями цвета и связанными с ним значениями затем отображается путем добавления цветовой полосы с помощью функции цветовой полосы. Это может помочь расшифровать значение цветов, использованных в рассказе.

Наконец, мы используем методы xlabel, ylabel и title для добавления меток и заголовка к графику. Это может помочь в предоставлении контекста и подробностей о данных, которые отображаются на графике.

import matplotlib.pyplot as plt
import numpy as np

# Generating some random data
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)

# Creating a scatter plot with different colors
plt.scatter(x, y, c=colors)

# Adding a color bar
plt.colorbar()

# Add labels and a title
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.title('Scatter Plot with Several Colors')

# Show the plot
plt.show()

Выход

Выполнение кода, показывающего диаграмму разброса различными цветами, может помочь нам понять связи между различными переменными в наших данных. График также будет иметь метки и заголовок для дальнейшего объяснения отображаемых данных.