MATPLOTLIB.PYPLOT.SCATTER() EN PYTHON

Matplotlib Se presenta como una extensa biblioteca en Python que ofrece la capacidad de generar visualizaciones estáticas, animadas e interactivas. Matplotlib.pyplot.scatter() en Python se extiende a la creación de diversos gráficos, como gráficos de dispersión, gráficos de barras, gráficos circulares, gráficos de líneas, histogramas, gráficos 3D y más.

Para una comprensión más profunda, puede encontrar información adicional en la guía titulada Python Matplotlib: descripción general .

¿Qué es Matplotlib.pyplot.scatter()?

El matplotlib.pyplot.scatter() Los gráficos sirven como una herramienta visual para explorar y analizar las relaciones entre variables, utilizando puntos para representar la conexión entre ellas. La biblioteca matplotlib proporciona la dispersión() método, diseñado específicamente para crear diagramas de dispersión. Estos gráficos son fundamentales para ilustrar las interdependencias entre variables y cómo las alteraciones en una variable pueden afectar a otra.

Sintaxis : matplotlib.pyplot.scatter(x_axis_data, y_axis_data, s=Ninguno, c=Ninguno, marcador=Ninguno, cmap=Ninguno, vmin=Ninguno, vmax=Ninguno, alfa=Ninguno, anchos de línea=Ninguno, colores de borde=Ninguno)

Parámetros:

x_axis_data> : una matriz que contiene datos para el eje x.matplotlib

s> : Tamaño del marcador, que puede ser un escalar o una matriz de tamaño igual al tamaño de x o y.

c> : Color de la secuencia de colores para rotuladores.

marker> : Estilo marcador.

cmap> : Nombre del mapa de colores.

linewidths> : Ancho del borde del marcador.

edgecolor> : Color del borde del marcador.

alpha> : Valor de fusión, que oscila entre 0 (transparente) y 1 (opaco).

Excepto por x_axis_data> y y_axis_data> , todos los demás parámetros son opcionales y sus valores predeterminados están establecidos en Ninguno. Los ejemplos de diagramas de dispersión siguientes demuestran la versatilidad del método scatter() al mostrar varias combinaciones de estos parámetros opcionales.

Hay varias formas de crear gráficos usando matplotlib.pyplot.scatter() en Python. Hay algunos ejemplos que ilustran el matplotlib. pyplot.dispersión() funcionar en matplotlib.trama:

Gráfico de dispersión básico
Gráfico de dispersión con múltiples conjuntos de datos
Gráfico de burbujas
Gráfico de dispersión personalizado

Gráfico de dispersión en Matplotlib

Importando matpltlib. plot() creamos un diagrama de dispersión. Define las coordenadas xey, luego traza los puntos en azul y muestra el gráfico.

Python3

import> matplotlib.pyplot as plt> x>=>[>5>,>7>,>8>,>7>,>2>,>17>,>2>,>9>,> >4>,>11>,>12>,>9>,>6>]> y>=>[>99>,>86>,>87>,>88>,>100>,>86>,> >103>,>87>,>94>,>78>,>77>,>85>,>86>]> plt.scatter(x, y, c>=>'blue'>)> # To show the plot> plt.show()>

Producción :

Gráfico de dispersión básico

Trazar múltiples conjuntos de datos en un diagrama de dispersión

El siguiente código genera un diagrama de dispersión que muestra dos conjuntos de datos distintos, cada uno con su conjunto de coordenadas xey. El código emplea diferentes marcadores, colores y opciones de estilo para mejorar la visualización.

Python3

longitud de bash de la cuerda

import> matplotlib.pyplot as plt> # dataset-1> x1>=> [>89>,>43>,>36>,>36>,>95>,>10>,> >66>,>34>,>38>,>20>]> y1>=> [>21>,>46>,>3>,>35>,>67>,>95>,> >53>,>72>,>58>,>10>]> # dataset2> x2>=> [>26>,>29>,>48>,>64>,>6>,>5>,> >36>,>66>,>72>,>40>]> y2>=> [>26>,>34>,>90>,>33>,>38>,> >20>,>56>,>2>,>47>,>15>]> plt.scatter(x1, y1, c>=>'pink'>,> >linewidths>=> 2>,> >marker>=>'s'>,> >edgecolor>=>'green'>,> >s>=> 50>)> plt.scatter(x2, y2, c>=>'yellow'>,> >linewidths>=> 2>,> >marker>=>'^'>,> >edgecolor>=>'red'>,> >s>=> 200>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> plt.show()>

Producción :

Gráfico de dispersión con múltiples conjuntos de datos

Gráficos de burbujas en Matplotlib

Este código genera un gráfico de burbujas usando Matplotlib. Traza puntos con coordenadas x e y específicas, cada una representada por una burbuja con un tamaño determinado por el bubble_sizes> lista. El gráfico se puede personalizar en cuanto a transparencia, color de borde y ancho de línea. Finalmente, muestra el gráfico con un título y etiquetas de eje.

Python3

import> matplotlib.pyplot as plt> # Data> x_values>=> [>1>,>2>,>3>,>4>,>5>]> y_values>=> [>2>,>3>,>5>,>7>,>11>]> bubble_sizes>=> [>30>,>80>,>150>,>200>,>300>]> # Create a bubble chart with customization> plt.scatter(x_values, y_values, s>=>bubble_sizes, alpha>=>0.6>, edgecolors>=>'b'>, linewidths>=>2>)> # Add title and axis labels> plt.title(>'Bubble Chart with Transparency'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display the plot> plt.show()>

Producción :

Gráfico de burbujas

Personalizar un diagrama de dispersión de Matplotlib

Al importar Matplotlib creamos un diagrama de dispersión personalizado usando Matplotlib y NumPy . Genera datos aleatorios para coordenadas, colores y tamaños xey. Luego, el diagrama de dispersión se crea con propiedades personalizadas como color, tamaño, transparencia y mapa de colores. El gráfico incluye un título, etiquetas de ejes y una escala de intensidad de color. Finalmente se muestra el gráfico.

Python3

import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data> x>=> np.random.rand(>50>)> y>=> np.random.rand(>50>)> colors>=> np.random.rand(>50>)> sizes>=> 100> *> np.random.rand(>50>)> # Create a customized scatter plot> plt.scatter(x, y, c>=>colors, s>=>sizes, alpha>=>0.7>, cmap>=>'viridis'>)> # Add title and axis labels> plt.title(>'Customized Scatter Plot'>)> plt.xlabel(>'X-axis'>)> plt.ylabel(>'Y-axis'>)> # Display color intensity scale> plt.colorbar(label>=>'Color Intensity'>)> # Show the plot> plt.show()>

Producción :

Gráfico de dispersión personalizado

Conclusión

En conclusión, matplotlib.pyplot.scatter()> Python es una herramienta versátil y poderosa para visualizar relaciones entre variables mediante diagramas de dispersión. Su flexibilidad permite la personalización de marcadores, colores, tamaños y otras propiedades, proporcionando un medio dinámico para representar patrones de datos complejos. Ya sea para un análisis exploratorio básico o una interpretación detallada de datos, esta función desempeña un papel crucial en la creación de diagramas de dispersión informativos y visualmente atractivos dentro del entorno de programación Python.