欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

程序员文章站 2022-05-29 14:46:08
...

目录

前言

散点图是用于观测数据的相关性的,有正相关,负相关,不相关

(一)散点图的基础知识

(1)说明

语法:plt.scatter(x, y, s, c ,marker, alpha)

x,y: x轴与y轴的数据

s: 点的面积

c: 点的颜色

marker: 点的形状

alpha: 透明度

(2)源代码

我们来探讨身高与体重是否相关?

import numpy as np
import matplotlib.pyplot as plt

# 身高与体重的数据
height = [161, 170, 182, 175, 173, 165]
weight = [50, 58, 80, 70, 69, 55]

# 散点图
plt.scatter(height, weight)
plt.ylabel("height")
plt.xlabel("weight")

# 展示图标
plt.show()

(3)输出效果

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

(二)相关性的举例

==1.正相关==

(1)源代码

import numpy as np
import matplotlib.pyplot as plt

N = 1000
# 数据
x = np.random.randn(N)
y2 = x + np.random.randn(N)*0.5

# 散点图
plt.scatter(x, y2)

# 展示图标
plt.show()

(2)输出效果

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

==1.负相关==

(1)源代码

import numpy as np
import matplotlib.pyplot as plt

N = 1000
# 数据
x = np.random.randn(N)
y2 = -x + np.random.randn(N)*0.5

# 散点图
plt.scatter(x, y2)

# 展示图标
plt.show()

(2)输出效果

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

==1.不相关==

(1)源代码

import numpy as np
import matplotlib.pyplot as plt

N = 1000
# 数据
x = np.random.randn(N)
y1 = np.random.randn(N)

# 散点图
plt.scatter(x, y1)

# 展示图标
plt.show()

(2)输出效果

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

(三)实战项目以一股票的分析

(1)说明

有的人说股票的涨跌变动,昨天的与今天的有关,今天我们就用散点图来分析一下。

(2)源代码

import numpy as np
import matplotlib.pyplot as plt

# 1.数据
open_data, close_data = np.loadtxt("000001.csv", delimiter=',', skiprows=1, usecols=(1, 4), unpack=True)
change_data = close_data - open_data
# 1.1前一天的数据
yesterday = change_data[:-1]
# 1.2后一条的数据
today = change_data[1:]

# 2.散点图 s (面积)  c (颜色) marker (标记) alpha(透明度)
plt.scatter(yesterday, today, s=500, c="r", marker="^", alpha=0.5)


# 4.展示图
plt.show()

(3)输出效果

4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

作者:Mark

日期:2019/02/08 周五