importmatplotlib.pyplotaspltimportnumpyasnp# 生成示例数据x=np.array([1,2,3,4,5])y=np.array([2,4,1,3,5])# 创建图形和坐标轴fig,ax=plt.subplots()# 绘制散点图ax.scatter(x,y)# 设置标题和轴标签ax.set_title('Basic Scatter Plot - how2matplotlib.com')ax.set_xlabel('X-axis')ax.set...
3,4,5])y=np.array([2,4,1,3,5])labels=['A','B','C','D','E']# 创建散点图并添加点标签plt.figure(figsize=(8,6))plt.scatter(x,y)fori,labelinenumerate(labels):plt.annotate(label,(x[i],y[i]),xytext=(5,5),textcoords='offset points')plt.title('Scatter Plot with Point ...
# plt.plot(x,sin_y,'o')# 加一个参数'o'效果与scatter是一样的 # plt.plot(x,cos_y,'o')# 绘制散点图 plt.scatter(x,sin_y)plt.scatter(x,cos_y)# 显示绘制的图 plt.show() 运行效果如下: 【示例】使用scatter画10中大小100中颜色的散点图 代码语言:javascript 代码运行次数:0 运行 AI代码...
散点图(Scatter plot) 图表样式 场景一:展示两个变量之间的关系 可以用来分析一个自变量与一个因变量之间的关联程度。例如,研究学生的学习时间与考试成绩之间的关系。 代码 import matplotlib.pyplot as plt import numpy as np # 生成随机数据 np.random.seed(0) x = np.random.randn(100) y = 2 * x +...
plt.scatter(age, rating) # 添加描述信息 plt.title('运动员年龄与评分散点图') plt.xlabel('年龄') plt.ylabel('评分') plt.show() 3. 绘制直方图 利用直方图查看运动员的年龄(Age)分布 代码语言:txt AI代码解释 import pandas as pd import matplotlib.pyplot as plt ...
plt.plot(x[i], y[i], marker=marker, markersize=12, label=f"Point{i+1}") plt.legend() plt.title("不同点的标记样式") plt.show() 为数据点添加标签 在许多情况下,标记数据点本身并不足够,还需要为数据点添加文本标签。 1. 使用annotate添加标签 ...
第二种更强大的绘制散点图的方法是使用plt.scatter函数，它的使用方法和plt.plot类似：plt.scatter(x,...
plt.plot([1,2,3,4])#默认情况下[1,2,3,4]表示y 的 plt.show() 1. 2. 结果如下: 我们可以对轴上做一些设定: plt.plot([1,2,3,4])#默认情况下[1,2,3,4]表示y 的 plt.ylabel('y')#y轴的标签 plt.xlabel('x')#x轴的标签 ...
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.5, linewidths=2, edgecolors='w', label='Data Points') # 添加图例 plt.legend() # 添加标题和轴标签 plt.title('cjavapy Scatter Plot') plt.xlabel('X-axis') plt.ylabel('Y-axis') ...
def scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False): # Create the plot object _, ax = plt.subplots() # Plot the data, set the size (s), color and transparency (alpha)