函数的原型:
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)
参数的解释:
x,y:表示的是大小为(n,)的数组,也就是我们即将绘制散点图的数据点
s:是一个实数或者是一个数组大小为(n,),这个是一个可选的参数。
c:表示的是颜色,也是一个可选项。默认是蓝色'b',表示的是标记的颜色,或者可以是一个表示颜色的字符,或者是一个长度为n的表示颜色的序列等等,感觉还没用到过现在不解释了。但是c不可以是一个单独的RGB数字,也不可以是一个RGBA的序列。可以是他们的2维数组(只有一行)。
marker:表示的是标记的样式,默认的是'o'。
cmap:Colormap实体或者是一个colormap的名字,cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap
norm:Normalize实体来将数据亮度转化到0-1之间,也是只有c是一个浮点数的数组的时候才使用。如果没有申明,就是默认为colors.Normalize。
vmin,vmax:实数,当norm存在的时候忽略。用来进行亮度数据的归一化。
alpha:实数,0-1之间。线的透明度,取值范围0-1
linewidths:也就是标记点的长度。
函数的用法的样例:
1.s和c大小都跟原数组的大小一致。
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1)x=np.random.rand(10)y=np.random.rand(10)colors=np.random.rand(10)area=(30*np.random.rand(10))**2plt.scatter(x,y,s=area,c=colors,alpha=0.5)plt.show()
结果:
2.修改上面的代码的maker,改成x的样本
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1)x=np.random.rand(10)y=np.random.rand(10)colors=np.random.rand(10)area=(30*np.random.rand(10))**2plt.scatter(x,y,s=area,c=colors,alpha=0.5,marker='x')plt.show()
结果:
3.修改之前的代码的s,表示大小都是一致的。
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1)x=np.random.rand(10)y=np.random.rand(10)colors=np.random.rand(10)area=(30*np.random.rand(10))**2plt.scatter(x,y,s=200,c=colors,alpha=0.5,)plt.show()
结果:
4.修改其中的linewidth参数的大小,看到其中的不同了吗?注意只有marker为封闭的图案的时候,这个参数才有效!
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(1)x=np.random.rand(10)y=np.random.rand(10)colors=np.random.rand(10)area=(30*np.random.rand(10))**2lines=np.zeros(10)+5plt.scatter(x,y,s=200,c='b',alpha=0.5,linewidths=lines)plt.show()
结果:
reference:/m0_37393514/article/details/81298503