plt.scatter(x, y, c='b', marker='o', , cmap='RdBu', alpha=0.5,label='数据点')plt.scatter是Matplotlib库中的一个函数，用于绘制散点图。它用于显示由两个数值数组给出的数据点的二维图。这个函数非常灵活，允许您以多种方式定制散点图的样式和外观。以下是plt.scatter的一些关键参数和功能：数据点...
import matplotlib.font_manager as fm import numpy as np #显示中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x_range=[1,2,2.3,1.8,4] y_range=[2,2.1,3,1.3,3] plt.scatter(x_range, y_range,30,'r',alpha=0.5,label='Data Points...
要使用scatter()函数绘制一系列点,你需要提供两个列表:x_value列表和y_value列表,分别包含每个点的x和y坐标。 import matplotlib.pyplot as plt # 定义点的坐标列表 x_values = [1, 2, 3, 4, 5] y_values = [2, 3, 5, 7, 11] # 绘制散点图 plt.scatter(x_values, y_values, s=100, c='...
plt.subplot(2,2,1)# 将图画在区1# 修改x,y轴的坐标 plt.xlim(-5,20)plt.ylim(-2,2)plt.plot(x,sin_y)plt.subplot(2,2,2)# 将图画在区2plt.plot(x,cos_y)# 显示绘制的图片 plt.show() 运行效果如下: 5. 绘制散点图 使用scatter函数可以绘制随机点,该函数需要接收x坐标和y坐标的序列。【...
散点图的绘制,使用的是plt.scatter方法,这个方法有以下参数: x,y:分别是x轴和y轴的数据集。两者的数据长度必须一致。 s:点的尺寸。如果是一个具体的数字,那么散点图的所有点都是一样大小,如果是一个序列,那么这个序列的长度应该和x轴数据量一致,序列中的每个元素代表每个点的尺寸。
plt.scatter()函数用法 一.scatter()函数的定义 matplotlib.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) ...
plt.scatter(x,y,s=area,c=colors,alpha=0.7,marker=r"$\clubsuit$") #不同点较大的就是这里的marker符号是用mathtext渲染字符串敲的 #这是个三叶草 plt.xlabel("x1") plt.ylabel("y1") plt.title("This is scatter",color="b") plt.legend("lucky") ...
plt.show() (2)、不同颜色 [python]view plaincopy #导入必要的模块 importnumpy as np importmatplotlib.pyplot as plt #产生测试数据 x = np.arange(1,10) y = x fig = plt.figure() ax1 = fig.add_subplot(111) #设置标题 ax1.set_title('Scatter Plot') ...
#导入必要的模块 import numpy as np import matplotlib.pyplot as plt #产生测试数据 x = np.arange(1,10) y = x fig = plt.figure() ax1 = fig.add_subplot(111) #设置标题 ax1.set_title('Scatter Plot') #设置X轴标签 plt.xlabel('X') #设置Y轴标签 plt.ylabel('Y') #画散点图 ax1.s...
plt.scatter(x, y) plt.show() 显示结果如下: 设置图标大小: 实例 importmatplotlib.pyplot as pltimportnumpy as np x= np.array([1, 2, 3, 4, 5, 6, 7, 8]) y= np.array([1, 4, 9, 16, 7, 11, 23, 18]) sizes= np.array([20,50,100,200,500,1000,60,90]) ...