这篇教程Python matplotlib绘制散点图的实例代码写得很实用，希望能帮到您。
前言前面说到的主要是matplotlib对于图像的基础操作，然后从这篇开始，主要说一下点图，分析点图在实际问题的数据处理中应用非常广泛，比如说逻辑回归是利用现有的数据点通过拟合得到一定的函数关系，甚至生活中，物体运动的轨迹，也可以看做是连续的点绘制而成，还有图像，也是很多个像素点堆砌而成的，在图像处理中经常会针对单个像素点进行处理。 现在的深度学习或者机器学习，模型都是固定的，大多 不需要怎么改动，而能提升训练效果的，最重要的就是能更好的处理数据，而很多数据本身就是点集，利用matplotlib将点绘制成可视化的图像，也方便人工智能工程师的分析理解，毕竟可视化的效果，总比看着枯燥的数据想象要来的更好。 在python中画散点图主要是用matplotlib模块中的scatter函数，先来看一下scatter函数的基本信息。 
可以看到scatter中有很多参数，经常使用的参数主要有以下几个： 
散点图
以下是一个散点图的简单演示，利用numpy的random函数生成随机数，然后将这些点画出来。如图安装图中API设置窗口的参数，这里简单说一下cmap='jet_r'这个，jet_r是一个颜色映射算法，就是系统会根据图像中的信息自动配置颜色，这里也可以自己设置颜色，也可以用其他的颜色映射表示。
绘制散点图相关API: mp.scatter( xarray, yarray, # 给出点的坐标 marker='', # 点型 s = 60, # 点的大小 edgecolor='', # 边缘色 facecolor='', # 填充色 zorder=3, # 绘制图层编号 c=d, # 设置过渡性颜色 cmap='jet' # 颜色映射) 随机生成符合 正态分布 的随机数: n = 500# 随机生成n个数# 172: 数学期望# 20: 标准差x = np.random.normal(172, 20, n) import numpy as npimport matplotlib.pyplot as mpn = 500# 随机生成500个样本身高x = np.random.normal(172, 10, n)# 随机生成500个样本体重y = np.random.normal(65, 10, n)mp.figure('Persons', facecolor='lightgray')mp.title('Person Points', fontsize=16)mp.xlabel('Height', fontsize=12)mp.ylabel('Weight', fontsize=12)mp.tick_params(labelsize=10)mp.grid(linestyle=':')d = (x-172)**2 + (y-65)**2mp.scatter(x, y, c=d, cmap='jet_r', alpha=0.6, label='Person', s=50)mp.legend()mp.show()总结到此这篇关于Python matplotlib绘制散点图的文章就介绍到这了,更多相关Python matplotlib绘制散点图内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
一文读懂Python版本管理工具Pyenv使用
使用 Python 实现微信消息的一键已读的思路代码 |
