matplotlib可視化之Scatter散點(diǎn)圖

散點(diǎn)圖

Scatter chart(PointGraph, X-Y Plot, Scatter Chart或者 Scattergram）是繪圖中最常見的圖形類型之一闺骚，通常用于顯示和比較數(shù)值序六。散點(diǎn)圖是使用一系列的散點(diǎn)在直角坐標(biāo)系中展示變量的數(shù)值分布琴儿。在二維散點(diǎn)圖中躺酒，可以通過觀察兩個變量的數(shù)據(jù)分析啸箫，發(fā)現(xiàn)兩者的關(guān)系與相關(guān)性馆里。

散點(diǎn)圖可以提供三類關(guān)鍵信息：
（1）變量之間是否存在數(shù)量關(guān)聯(lián)趨勢（正相關(guān)轩勘，負(fù)相關(guān)筒扒，不相關(guān)等）；
（2）如果存在關(guān)聯(lián)趨勢绊寻，是線性還是非線性的花墩；
（3）觀察是否有存在離群值悬秉，從而分析這些離群值對建模分析的影響。

scatter函數(shù)

函數(shù)定義：
在向量 x 和 y 指定的位置創(chuàng)建一個包含圓形的散點(diǎn)圖冰蘑，該類型的圖形也稱為氣泡圖和泌。

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=<deprecated parameter>, edgecolors=None, \*, plotnonfinite=False, data=None, \*\*kwargs)

常用參數(shù)：

x,y:
x軸和 y 軸對應(yīng)的數(shù)據(jù)。根據(jù)x和y的值祠肥，在二維平面對應(yīng)位置創(chuàng)建一個包含圓形的散點(diǎn)圖
s：
散點(diǎn)標(biāo)記面積允跑，以平方磅為單位的標(biāo)記面積√赂蹋可以為標(biāo)量或者等長的數(shù)組。
c：
散點(diǎn)標(biāo)記的顏色索烹，為指定的色彩工碾、數(shù)值序列或者顏色序列。
marker：
散點(diǎn)標(biāo)記類型百姓，默認(rèn)為圓圈渊额。
cmap：
僅當(dāng)c參數(shù)為顏色序列的時候使用。
aplha：
透明圖設(shè)置垒拢，在顯示多個變量的場景下為了能夠顯示堆疊的散點(diǎn)旬迹，可以設(shè)置該參數(shù)。取值范圍[0求类，1]奔垦。0:透明，1:不透明尸疆。
norm：
僅當(dāng)c為數(shù)值序列的時候椿猎，通過colors.Normalize將值進(jìn)行正則化。
linewidths：
散點(diǎn)標(biāo)記的邊界的寬度寿弱。
edgecolors：
散點(diǎn)標(biāo)記的邊界的顏色犯眠。

scatter的詳細(xì)定義：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html?highlight=scatter#matplotlib.pyplot.scatter

示例說明：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)

#根據(jù)x,y生成一個數(shù)列，將對應(yīng)的數(shù)據(jù)點(diǎn)映射到coclarmap中的顏色上
C = np.arctan(X/Y)
'''
s：大小固定設(shè)置為64
c:通過arctan函數(shù)隨機(jī)生成一個數(shù)列症革，映射到coloarmap的顏色上
makrer：散點(diǎn)標(biāo)記類型設(shè)置為‘o’對應(yīng)圓圈
aplpha：透明度設(shè)置為0.5筐咧，重合部分可以正常顯示
linewidths：為散點(diǎn)標(biāo)記的邊界寬度
edgecolors：散點(diǎn)邊界的點(diǎn)色，“w”為白色
'''
plt.scatter(X,Y, s=64, c=C, marker='o',alpha=.5,linewidths=2,edgecolors='w')

plt.xlim(-1.5,1.5)
plt.ylim(-1.5,1.5)
# savefig('../figures/scatter_ex.png',dpi=48)
plt.show()

擴(kuò)展應(yīng)用：

添加圖列
通過legend_elements()函數(shù)根據(jù)size和color給散點(diǎn)圖增加圖例噪矛。

import numpy as np
import matplotlib.pyplot as plt
N=50
x, y = np.random.rand(2, N)
c = np.random.randint(1, 4, size=N)
s = np.random.randint(10, 100, size=N)

fig, ax = plt.subplots()
scatter = ax.scatter(x, y, c=c, s=s)

# 按照散點(diǎn)圖中標(biāo)記的colors生成legend
legendClass = ax.legend(*scatter.legend_elements(prop="colors"),
                    loc="lower left", title="classes")
ax.add_artist(legendClass)

# 按照散點(diǎn)圖中標(biāo)記的size生成legend
handles, labels = scatter.legend_elements(prop="sizes", alpha=0.6,num=5)
legendSize = ax.legend(handles, labels, loc="upper right", title="Sizes")
ax.add_artist(legendSize)

plt.show()

添加邊界
對于不同別的參數(shù)量蕊，可以通過增加邊界，可以衡量數(shù)據(jù)的離散摩疑，分布等特征危融。
利用scipy中的ConvexHull（凸包）函數(shù)，將給定的數(shù)據(jù)按照邊界形成多邊形雷袋，將所有數(shù)據(jù)包含在里面吉殃。凸包是給定平面上一個點(diǎn)集辞居，凸包就是將最外圍的點(diǎn)連接起來構(gòu)成的凸多邊形，它能包含點(diǎn)集中所有的點(diǎn)蛋勺。

import numpy as np
np.random.seed(19680801)
import matplotlib.pyplot as plt
from scipy.spatial import ConvexHull

fig, ax = plt.subplots()
n = 300
X = np.random.normal(1,1,n)
Y1 = np.random.normal(1,1,n)
X2 = np.random.normal(2.5,1,n)
Y2 = np.random.normal(2.5,2,n)

ax.scatter(X,Y1,c="tab:blue",alpha=0.5,label="blue")
ax.scatter(X2,Y2,c='tab:orange',alpha=0.5,label="orange")
ax.grid(True)

#利用ConvexHull函數(shù)獲得凸包的多邊形點(diǎn)瓦灶，然后利用Polygon來繪制對應(yīng)的邊界
def encircle(x,y, ax=None, **kw):
    if not ax: ax=plt.gca()
    p = np.c_[x,y]
    hull = ConvexHull(p)
    poly = plt.Polygon(p[hull.vertices,:], **kw)
    ax.add_patch(poly)
#填充色
encircle(X, Y1, ec="g", fc="gold", alpha=0.1)
#邊界線
encircle(X, Y1, ec="firebrick", fc="none", linewidth=1.5)
plt.show()