Matplotlib\의 `pyplot.scatter()` 함수는 마커 크기를 제어하기 위해 `s` 매개변수를 어떻게 사용합니까?
pyplot 산점도 마커 크기
matplotlib.pyplot.scatter() 함수에서 s 매개변수는 마커 크기를 지정합니다. 이 크기는 "포인트^2"로 정의되며, 이는 해석하기 혼란스러운 측정 단위일 수 있습니다.
"포인트"란 무엇입니까?
"포인트" 이 맥락에서 "는 마커의 크기를 정의하는 데 사용되는 임의의 측정 단위입니다. 이는 디스플레이의 픽셀 크기와 직접적인 관련이 없습니다.
s가 마커 크기에 어떤 영향을 미칩니까?
s 매개변수는 마커의 영역을 지정합니다. 이는 다음을 의미합니다.
- s를 4배로 늘리면 마커의 너비와 높이가 2배로 늘어납니다.
- 마커(또는 모든 선형)의 너비를 두 배로 늘립니다. 차원) s를 4배로 늘려야 합니다.
- 마커 영역을 두 배로 늘리려면 s를 1배로 늘려야 합니다. 2.
예
다양한 마커 크기로 산점도를 만들어 보겠습니다.
import matplotlib.pyplot as plt x = [0, 2, 4, 6, 8, 10] y = [0] * len(x) s = [20 * 4**n for n in range(len(x))] plt.scatter(x, y, s=s) plt.show()
이 예에서는 마커 크기 왼쪽에서 오른쪽으로 갈수록 기하급수적으로 증가합니다. 각 마커는 이전 마커 영역의 두 배입니다.
마커 크기 시각화
마커 크기에 영향을 미치는 다양한 기능을 시각화하기 위해 다음 플롯을 만들어 보겠습니다.
import matplotlib.pyplot as plt x = [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] s_exp = [20 * 2**n for n in range(len(x))] s_square = [20 * n**2 for n in range(len(x))] s_linear = [20 * n for n in range(len(x))] plt.scatter(x, [1] * len(x), s=s_exp, label='$s=2^n$', lw=1) plt.scatter(x, [0] * len(x), s=s_square, label='$s=n^2$') plt.scatter(x, [-1] * len(x), s=s_linear, label='$s=n$') plt.ylim(-1.5, 1.5) plt.legend(loc='center left', bbox_to_anchor=(1.1, 0.5), labelspacing=3) plt.show()
이 플롯은 기하급수적으로, 2차적으로 확장할 때 마커 크기가 어떻게 나타나는지 보여줍니다. 선형적으로.
위 내용은 Matplotlib\의 `pyplot.scatter()` 함수는 마커 크기를 제어하기 위해 `s` 매개변수를 어떻게 사용합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

제한된 시간에 Python 학습 효율을 극대화하려면 Python의 DateTime, Time 및 Schedule 모듈을 사용할 수 있습니다. 1. DateTime 모듈은 학습 시간을 기록하고 계획하는 데 사용됩니다. 2. 시간 모듈은 학습과 휴식 시간을 설정하는 데 도움이됩니다. 3. 일정 모듈은 주간 학습 작업을 자동으로 배열합니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
