Dengan perkembangan pesat sains data dan pembelajaran mesin, semakin ramai pengaturcara dan penganalisis data mula menggunakan Python untuk menganalisis dan menggambarkan data. Pembangun Python telah membangunkan antara muka API untuk banyak alat visualisasi data untuk memenuhi keperluan visualisasi data dan antara muka interaktif. Artikel ini akan memperkenalkan contoh visualisasi data dalam plot taburan Python.
1. Pengenalan Plot Scatter
Plot Scatter ialah kaedah paparan visualisasi data yang biasa digunakan, digunakan untuk menunjukkan hubungan antara dua pembolehubah. Tujuan utama plot taburan adalah untuk menemui hubungan antara pembolehubah, atau hubungan antara berbilang kumpulan dengan susunan yang berbeza. Plot serakan boleh menunjukkan garis arah aliran atau garis regresi. Jika anda mempunyai berbilang pembolehubah dalam set data anda, anda boleh menggunakan warna atau saiz sebagai dimensi tambahan.
2. Plot taburan dalam Python
Python menyediakan banyak perpustakaan untuk visualisasi data, seperti Matplotlib, Seaborn, Plotly, dll. Perpustakaan ini menyediakan pelbagai jenis carta visualisasi, termasuk plot berselerak.
Kami akan menggunakan perpustakaan Matplotlib untuk melaksanakan plot taburan. Matplotlib ialah perpustakaan Python untuk visualisasi data. Ia boleh mencipta pelbagai jenis graf seperti carta garisan, plot serakan, carta bar, carta kontur, dsb.
3. Contoh demonstrasi
Sebelum melaksanakan plot taburan, anda perlu memasang perpustakaan Matplotlib. Jika anda telah memasang perpustakaan ini, anda boleh mula melaksanakan plot taburan secara langsung.
1. Import pustaka Matplotlib
Import pustaka Matplotlib dan beri alias plt.
import matplotlib.pyplot as plt
2. Cipta data
Biasanya, kita perlu mempunyai beberapa data untuk mencipta plot serakan. Untuk melakukan ini, kami mencipta dua tatasusunan untuk menyimpan data bagi paksi x dan y.
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] y = [5, 6, 3, 4, 3, 1, 2, 4, 8, 9]
3. Lukis plot serakan
Untuk melukis plot serakan, kita boleh menggunakan fungsi plt.scatter(). Fungsi ini menerima data paksi-x dan paksi-y sebagai parameter dan boleh menentukan sifat lain seperti warna, saiz, dsb.
plt.scatter(x, y) plt.show()
4. Tambah tajuk dan label
Untuk menambah tajuk dan label, kita boleh menggunakan fungsi plt.title(), plt.xlabel() dan plt.ylabel().
plt.scatter(x, y) plt.title('Scatter Plot Example') plt.xlabel('X Axis Label') plt.ylabel('Y Axis Label') plt.show()
5. Ubah suai atribut plot serakan
Untuk mengubah suai pelbagai atribut plot serakan, kita boleh menggunakan pelbagai parameter yang disediakan oleh fungsi plt.scatter().
plt.scatter(x, y, c='red', marker='x', s=200, alpha=0.5) plt.title('Scatter Plot Example') plt.xlabel('X Axis Label') plt.ylabel('Y Axis Label') plt.show()
Kami menyebut beberapa parameter di atas, maksud parameter ini adalah seperti berikut:
4. Ringkasan
Melalui contoh plot serakan dalam artikel ini, kami telah mempelajari cara menggunakan perpustakaan Matplotlib untuk mencipta plot serakan. Kami mencipta plot taburan mudah menggunakan fungsi plt.scatter() dan kemudian menambah tajuk dan label. Akhirnya, kami menukar sifat plot taburan dan menjadikannya lebih visual.
Python mempunyai pelbagai jenis aplikasi, dan pertumbuhan dan pembangunan berterusan pelbagai perpustakaan serta rangka kerja boleh membantu saintis data dan jurutera dengan mudah memproses dan mentafsir data untuk menyokong pembuatan keputusan yang lebih baik.
Atas ialah kandungan terperinci Contoh visualisasi data dalam Python: Plot taburan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!