Bài 18: Scatter Plot ( Biểu đồ Phân Tán ) - Matplotib Cơ Bản

• Học lập trình
• |
• Bài viết
• |
• Tin tức
• |
• Tuyển dụng
• |
• Liên hệ
• |

• Đăng ký
• |
• Đăng nhập

PHP

Laravel

Android

Java

HTML5

CSS3

NodeJS

VueJS

Swift

Python

Machine Learning

C/C++

Linux/Server

SQL

Javascript

Game

Phân tích thiết kế hệ thống

Servlet/JSP

AI

1. Trang chủ
2. AI
3. Matplotib Cơ Bản
4. Scatter Plot ( Biểu đồ phân tán )

• Bài 1: Giới thiệu Matplotlib
• Bài 2: Môi trường cài đặt
• Bài 3: Jupyter Notebook
• Bài 4: Pyplot API
• Bài 5: Khái niệm cơ bản về Plot
• Bài 6: PyLab
• Bài 7: Giao diện hướng đối tượng
• Bài 8: Figture và Axes
• Bài 9: Multiplots
• Bài 10: Hàm Subplots() và Subplot2grid()
• Bài 11: Grids
• Bài 12: Định dạng Axes
• Bài 13: Đặt giới hạn X và Y
• Bài 14: Trục đôi
• Bài 15: Bar Plot
• Bài 16: Histogram
• Bài 17: Pie Chart ( Biểu đồ tròn )
• Bài 18: Scatter Plot ( Biểu đồ phân tán )
• Bài 19: Contour Plot ( Đồ thị đường bao )
• Bài 20: Quiver Plot
• Bài 21: Box Plot ( Biểu đồ nén)
• Bài 22: Violin Plot
• Bài 23: Three-dimensional Plotting ( Biểu đồ 3 chiều )
• Bài 24: 3D Contour Plot ( Biểu đồ viền 3D )
• Bài 25: 3D Wireframe plot
• Bài 26: 3D Surface plot
• Bài 27: Làm việc với văn bản
• Bài 28: Biểu thức toán học
• Bài 29: Làm việc với ảnh
• Bài 30: Transforms ( Biến đổi trục )

Bài 18: Scatter Plot ( Biểu đồ phân tán ) - Matplotib Cơ Bản

Đăng bởi: Admin | Lượt xem: 9928 | Chuyên mục: AI

1. Khái niệm cơ bản :

Biểu đồ phân tán được sử dụng để vẽ các điểm dữ liệu trên trục hoành và trục tung để thể hiện mức độ ảnh hưởng của một biến này bởi biến khác. Mỗi hàng trong bảng dữ liệu được biểu thị bằng một điểm đánh dấu, vị trí phụ thuộc vào giá trị của nó trong các cột được đặt trên trục X và Y. Một biến thứ ba có thể được đặt để tương ứng với màu sắc hoặc kích thước của các điểm đánh dấu, do đó thêm một chiều khác vào biểu đồ.Ví dụ dưới đây vẽ một biểu đồ phân tán của các cấp lớp so với cấp độ của nam và nữ bằng hai màu sắc khác nhau.import matplotlib.pyplot as plt girls_grades = [89, 90, 70, 89, 100, 80, 90, 100, 80, 34] boys_grades = [30, 29, 49, 48, 100, 48, 38, 45, 20, 30] grades_range = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100] fig=plt.figure() ax=fig.add_axes([0,0,1,1]) ax.scatter(grades_range, girls_grades, color='r') ax.scatter(grades_range, boys_grades, color='b') ax.set_xlabel('Grades Range') ax.set_ylabel('Grades Scored') ax.set_title('scatter plot') plt.show()

2. Ví dụ minh hoạ :

Ví dụ 1 :Biểu diễn biểu đồ phân tán với các màu và kích thước điểm đánh dấu khác nhau.import numpy as np import matplotlib.pyplot as plt import matplotlib.cbook as cbook # Load a numpy record array from yahoo csv data with fields date, open, close, # volume, adj_close from the mpl-data/example directory. The record array # stores the date as an np.datetime64 with a day unit ('D') in the date column. with cbook.get_sample_data('goog.npz') as datafile: price_data = np.load(datafile)['price_data'].view(np.recarray) price_data = price_data[-250:] # get the most recent 250 trading days delta1 = np.diff(price_data.adj_close) / price_data.adj_close[:-1] # Marker size in units of points^2 volume = (15 * price_data.volume[:-2] / price_data.volume[0])**2 close = 0.003 * price_data.close[:-2] / 0.003 * price_data.open[:-2] fig, ax = plt.subplots() ax.scatter(delta1[:-1], delta1[1:], c=close, s=volume, alpha=0.5) ax.set_xlabel(r'$\Delta_i$', fontsize=15) ax.set_ylabel(r'$\Delta_{i+1}$', fontsize=15) ax.set_title('Volume and percent change') ax.grid(True) fig.tight_layout() plt.show()Ví dụ 2 :import numpy as np import matplotlib.pyplot as plt # Fixing random state for reproducibility np.random.seed(19680801) N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) area = (30 * np.random.rand(N))**2 # 0 to 15 point radii plt.scatter(x, y, s=area, c=colors, alpha=0.5) plt.show()Ví dụ 3 : Sử dụng keywords để tạo plotCó một số trường hợp bạn có dữ liệu ở dạng cho phép bạn truy cập các biến cụ thể bằng chuỗi. Ví dụ: numpy.recarray hoặc pandas.DataFrame.Matplotlib cho phép ta cung cấp một đối tượng như vậy với đối số từ khóa dữ liệu. Nếu được cung cấp, có thể tạo các plot các chuỗi tương ứng với các biến này.import matplotlib.pyplot as plt np.random.seed(19680801) data = {'a': np.arange(50), 'c': np.random.randint(0, 50, 50), 'd': np.random.randn(50)} data['b'] = data['a'] + 10 * np.random.randn(50) data['d'] = np.abs(data['d']) * 100 fig, ax = plt.subplots() ax.scatter('a', 'b', c='c', s='d', data=data) ax.set(xlabel='entry a', ylabel='entry b') plt.show() Bài tiếp theo: Contour Plot ( Đồ thị đường bao ) >>

Theo dõi VnCoder trên Facebook, để cập nhật những bài viết, tin tức và khoá học mới nhất!

Chia sẻ bài viết

• Bài 1: Giới thiệu Matplotlib
• Bài 2: Môi trường cài đặt
• Bài 3: Jupyter Notebook
• Bài 4: Pyplot API
• Bài 5: Khái niệm cơ bản về Plot
• Bài 6: PyLab
• Bài 7: Giao diện hướng đối tượng
• Bài 8: Figture và Axes
• Bài 9: Multiplots
• Bài 10: Hàm Subplots() và Subplot2grid()
• Bài 11: Grids
• Bài 12: Định dạng Axes
• Bài 13: Đặt giới hạn X và Y
• Bài 14: Trục đôi
• Bài 15: Bar Plot
• Bài 16: Histogram
• Bài 17: Pie Chart ( Biểu đồ tròn )
• Bài 18: Scatter Plot ( Biểu đồ phân tán )
• Bài 19: Contour Plot ( Đồ thị đường bao )
• Bài 20: Quiver Plot
• Bài 21: Box Plot ( Biểu đồ nén)
• Bài 22: Violin Plot
• Bài 23: Three-dimensional Plotting ( Biểu đồ 3 chiều )
• Bài 24: 3D Contour Plot ( Biểu đồ viền 3D )
• Bài 25: 3D Wireframe plot
• Bài 26: 3D Surface plot
• Bài 27: Làm việc với văn bản
• Bài 28: Biểu thức toán học
• Bài 29: Làm việc với ảnh
• Bài 30: Transforms ( Biến đổi trục )