关于plt.scatter()的使用

Posted 2023-04-01 恶熊比比

1.plt.scatter()的说明

• 来源： plt.scatter()是来源于matplotlib库中pyplot子库的一个方法
  pyplot是matplotlib子库，用于绘制2D图表
• 参数： pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)
• 作用： plt.scatter()函数用于生成一个scatter散点图。

2. 关于参数的解释

我们根据 plt.scatter()函数的作用（生成一个散点图），就可以知道它所需要的参数大致类别有两个有：

1. 横纵坐标（横纵坐标范围、每个点对应的横纵坐标）
2. 散点（散点的个数、大小、样式、颜色等）

各具体参数的解释：

• n:散点个数
• X,Y:每个散点对应的横纵坐标
• label：每个散点对应的颜色 （传入到c）
• c: 示的是色彩或颜色序列，可选，默认蓝色’b’。c可以是一个RGB或RGBA二维行数组;
• cmap：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用;
• cmap = plt.cm.Spectral实现的功能是给label为1的点一种颜色，给label为0的点另一种颜色。
• s: 散点的大小

3. 在程序中的实现

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(1) # 产生相同的随机数(之后如果使用random，不管运行几次都是第一次的数据)

n=10 #散点的个数
X = np.random.randn(1, n)
Y = np.random.randn(1, n)

#输出每一个点对应的坐标
print(X)
print("______________________")
print(Y)

label = np.array([1,1,0,0,0,0,0,1,1,1]) #对应每个散点的颜色

#生成一个scatter散点图。
plt.scatter(X.reshape(10), Y.reshape(10), c =label, s = 200, cmap = plt.cm.Spectral)
plt.show()

#改变一下参数

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(1) # 产生相同的随机数(之后如果使用random，不管运行几次都是第一次的数据)

#散点的个数
n=5
X = np.random.randn(1, n)
Y = np.random.randn(1, n)
print(X)
print("______________________")
print(Y)
label = np.array([1,2,3,4,5]) #对应每个散点的颜色

#plt.scatter()函数用于生成一个scatter散点图。
plt.scatter(X.reshape(n), Y.reshape(n), c =label, s = 2000, cmap = plt.cm.Spectral)
plt.show()

为啥 matplotlib 需要在 plt.scatter() 之前设置日志比例而不是 plt.plot()？

【中文标题】为啥 matplotlib 需要在 plt.scatter() 之前设置日志比例而不是 plt.plot()？

【英文标题】：Why does matplotlib require setting log scale before plt.scatter() but not plt.plot()?为什么 matplotlib 需要在 plt.scatter() 之前设置日志比例而不是 plt.plot()？

【发布时间】：2016-12-12 12:22:52

【问题描述】：

我在helpful answer 中发现，当在 y 轴上使用对数刻度时，plt.scatter() 和 plt.plot() 的行为不同。

使用plot，我可以在使用plt.show()之前随时更改为日志，但必须预先设置日志，在使用分散方法之前。

这只是 matplotlib 中的历史和不可逆转的工件，还是属于“意外行为”类别？

import matplotlib.pyplot as plt

X = [0.997, 2.643, 0.354, 0.075, 1.0, 0.03, 2.39, 0.364, 0.221, 0.437]
Y = [15.487507, 2.320735, 0.085742, 0.303032, 1.0, 0.025435, 4.436435,
     0.025435, 0.000503, 2.320735]

plt.figure()

plt.subplot(2,2,1)
plt.scatter(X, Y)
plt.xscale('log')
plt.yscale('log')
plt.title('scatter - scale last')   

plt.subplot(2,2,2)
plt.plot(X, Y)
plt.xscale('log')
plt.yscale('log')
plt.title('plot - scale last')   

plt.subplot(2,2,3)
plt.xscale('log')
plt.yscale('log')
plt.scatter(X, Y)
plt.title('scatter - scale first')   


plt.subplot(2,2,4)
plt.xscale('log')
plt.yscale('log')
plt.plot(X, Y)
plt.title('plot - scale first')   


plt.show()

【问题讨论】：

@Kartik 有很多人非常熟悉 matplotlib，他们所做的不仅仅是在这里磕磕绊绊。我在这里问这个问题是因为我有一种预感，一个精通 matplotlib 的人会帮助我了解是否有可能改变 scatter 方法，或者它是否是那些不会发生的事情之一。也许我也没有注意到这种差异实际上有好处！

我建议您也可以在 matplotlib git hub 上打开一个关于此的问题。也许它会作为一个预期的功能被击落，或者它可能会导致更新。

@uhoh 我不知道你为什么认为这是一个废话。我只是指出差异似乎是由于 ylimits 的选择方式。如果您致电plt.gca().relim()，您仍然会得到不正确的 y 轴范围。基于this answer，其中一位开发人员在创建后调用xscale 和yscale 应该不是问题，所以我猜这是一个错误。

@Kartik 我已经冒险了 - Github 中的 matplotlib 问题 #6915。

请让这些 cmets 线程少受热。

【参考方案1】：

这在某种程度上与matplotlib 计算的显示区域（轴限制）有关。

此行为已通过使用 set_xlim 和 set_ylim 方法手动编辑坐标区范围得到修复。

plt.figure()
plt.scatter(X, Y)
plt.yscale('log')
plt.xscale('log')
axes = plt.gca()
axes.set_xlim([min(X),max(X)])
axes.set_ylim([min(Y),max(Y)])
plt.show()

但是，我还没有弄清楚这种行为的确切原因。欢迎提出建议。

编辑

如 cmets 部分所述，显然 Matplotlib 已在其官方 Github 存储库中将 Autoscaling has fundamental problems 确定为 发布关键问题，这将在即将发布的版本中修复。谢谢。

【讨论】：

如果您检查问题下的 cmets，您会看到 this one 链接到更多信息。如果您添加到第二个Autoscaling has fundamental problems #7413 的链接，我会接受您的回答，这个问题可以关闭！

@uhoh 完成。谢谢。

回答了另外一个问题，只有5,189,568 to go！ ;-)