关于“Python”的核心知识点整理大全43

---

目录

​编辑

15.2.3 使2散点图并设置其样式

scatter_squares.py

15.2.4 使用 scatter()绘制一系列点

scatter_squares.py

15.2.5 自动计算数据

scatter_squares.py

15.2.6 删除数据点的轮廓

15.2.7 自定义颜色

15.2.8 使用颜色映射

scatter_squares.py

注意

15.2.9 自动保存图表

15.3 随机漫步

15.3.1 创建 RandomWalk()类

random_walk.py

15.3.2 选择方向

random_walk.py

15.3.3 绘制随机漫步图

rw_visual.py

---

15.2.3 使2散点图并设置其样式

有时候，需要绘制散点图并设置各个数据点的样式。例如，你可能想以一种颜色显示较小的 值，而用另一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的样式， 再使用不同的样式选项重新绘制某些点，以突出它们。 要绘制单个点，可使用函数scatter()，并向它传递一对x和y坐标，它将在指定位置绘制一 个点：

scatter_squares.py

import matplotlib.pyplot as plt
plt.scatter(2, 4)
plt.show() 

下面来设置输出的样式，使其更有趣：添加标题，给轴加上标签，并确保所有文本都大到能 够看清：

import matplotlib.pyplot as plt
 plt.scatter(2, 4, s=200)
# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

在Ø处，我们调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸。如果此时 运行scatter_squares.py，将在图表中央看到一个点，如图15-4所示。

15.2.4 使用 scatter()绘制一系列点

要绘制一系列的点，可向scatter()传递两个分别包含x值和y值的列表，如下所示：

scatter_squares.py

import matplotlib.pyplot as plt
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100)
# 设置图表标题并给坐标轴指定标签
--snip-- 

列表x_values包含要计算其平方值的数字，而列表y_values包含前述每个数字的平方值。将 这些列表传递给scatter()时，matplotlib依次从每个列表中读取一个值来绘制一个点。要绘制的 点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25)，最终的结果如图15-5所示。

15.2.5 自动计算数据

手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算 包含点坐标的列表，而让Python循环来替我们完成这种计算。下面是绘制1000个点的代码：

scatter_squares.py

import matplotlib.pyplot as plt
1 x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
2 plt.scatter(x_values, y_values, s=40)
# 设置图表标题并给坐标轴加上标签
--snip--
# 设置每个坐标轴的取值范围
3 plt.axis([0, 1100, 0, 1100000])
plt.show()

我们首先创建了一个包含x值的列表，其中包含数字1~1000（见Ø）。接下来是一个生成y值 的列表解析，它遍历x值（for x in x_values），计算其平方值（x**2），并将结果存储到列表y_values中。然后，将输入列表和输出列表传递给scatter()（见）。 由于这个数据集较大，我们将点设置得较小，并使用函数axis()指定了每个坐标轴的取值范 围（见）。函数axis()要求提供四个值：x和y坐标轴的最小值和最大值。在这里，我们将x坐标 轴的取值范围设置为0~1100，并将y坐标轴的取值范围设置为0~1 100 000。结果如图15-6所示。

15.2.6 删除数据点的轮廓

matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓， 可在调用scatter()时传递实参edgecolor='none'：

plt.scatter(x_values, y_values, edgecolor='none', s=40)

将相应调用修改为上述代码后，如果再运行scatter_squares.py，在图表中看到的将是蓝色实 心点。

15.2.7 自定义颜色

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称，如下 所示：

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40) 

你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量。例如，下面 的代码行创建一个由淡蓝色点组成的散点图：

plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅

15.2.8 使用颜色映射

颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色 映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显 示较大的值。 模块pyplot内置了一组颜色映射。要使用这些颜色映射，你需要告诉pyplot该如何设置数据 集中每个点的颜色。下面演示了如何根据每个点的y值来设置其颜色：

scatter_squares.py

import matplotlib.pyplot as plt
x_values = list(range(1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,edgecolor='none', s=40)
# 设置图表标题并给坐标轴加上标签
--snip-- 

我们将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。这些代 码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色，生成的图形如图15-7所示。

---

注意

要了解pyplot中所有的颜色映射，请访问http://matplotlib.org/，单击Examples，向下滚动 到Color Examples，再单击colormaps_reference。

---

15.2.9 自动保存图表

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.savefig()的 调用：

plt.savefig('squares_plot.png', bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的 目录中；第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域， 可省略这个实参。

15.3 随机漫步

在本节中，我们将使用Python来生成随机漫步数据，再使用matplotlib以引人瞩目的方式将这 些数据呈现出来。随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向， 结果是由一系列随机决策决定的。你可以这样认为，随机漫步就是蚂蚁在晕头转向的情况下，每次都沿随机的方向前行所经过的路径。

在自然界、物理学、生物学、化学和经济领域，随机漫步都有其实际用途。例如，漂浮在水 滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的，因此花粉在 水面上的运动路径犹如随机漫步。我们稍后将编写的代码模拟了现实世界的很多情形。

15.3.1 创建 RandomWalk()类

为模拟随机漫步，我们将创建一个名为RandomWalk的类，它随机地选择前进方向。这个类需 要三个属性，其中一个是存储随机漫步次数的变量，其他两个是列表，分别存储随机漫步经过的 每个点的x和y坐标。 RandomWalk类只包含两个方法：__init__ ()和fill_walk()，其中后者计算随机漫步经过的所 有点。下面先来看看__init__()，如下所示：

random_walk.py

1 from random import choice
class RandomWalk():"""一个生成随机漫步数据的类"""
2 def __init__(self, num_points=5000):"""初始化随机漫步的属性"""self.num_points = num_points# 所有随机漫步都始于(0, 0)
3 self.x_values = [0]self.y_values = [0] 

为做出随机决策，我们将所有可能的选择都存储在一个列表中，并在每次做决策时都使用 choice()来决定使用哪种选择（见1）。接下来，我们将随机漫步包含的默认点数设置为5000，这 大到足以生成有趣的模式，同时又足够小，可确保能够快速地模拟随机漫步（见2）。然后，在 3处，我们创建了两个用于存储x和y值的列表，并让每次漫步都从点(0, 0)出发。

15.3.2 选择方向

我们将使用fill_walk()来生成漫步包含的点，并决定每次漫步的方向，如下所示。请将这 个方法添加到random_walk.py中：

random_walk.py

 def fill_walk(self):"""计算随机漫步包含的所有点"""# 不断漫步，直到列表达到指定的长度
1 while len(self.x_values) < self.num_points:# 决定前进方向以及沿这个方向前进的距离
2 x_direction = choice([1, -1])x_distance = choice([0, 1, 2, 3, 4])
3 x_step = x_direction * x_distancey_direction = choice([1, -1])y_distance = choice([0, 1, 2, 3, 4])
4 y_step = y_direction * y_distance# 拒绝原地踏步
5 if x_step == 0 and y_step == 0:continue# 计算下一个点的x和y值
6 next_x = self.x_values[-1] + x_stepnext_y = self.y_values[-1] + y_stepself.x_values.append(next_x)self.y_values.append(next_y) 

在1处，我们建立了一个循环，这个循环不断运行，直到漫步包含所需数量的点。这个方法 的主要部分告诉Python如何模拟四种漫步决定：向右走还是向左走？沿指定的方向走多远？向上 走还是向下走？沿选定的方向走多远？

我们使用choice([1, -1])给x_direction选择一个值，结果要么是表示向右走的1，要么是表 示向左走的-1（见2）。接下来，choice([0, 1, 2, 3, 4])随机地选择一个0~4之间的整数，告诉 Python 沿指定的方向走多远（x_distance）。（通过包含0，我们不仅能够沿两个轴移动，还能够 沿y轴移动。）

在3和4处，我们将移动方向乘以移动距离，以确定沿x和y轴移动的距离。如果x_step为正， 将向右移动，为负将向左移动，而为零将垂直移动；如果y_step为正，就意味着向上移动，为负 意味着向下移动，而为零意味着水平移动。如果x_step和y_step都为零，则意味着原地踏步，我 们拒绝这样的情况，接着执行下一次循环（见5）。

为获取漫步中下一个点的x值，我们将x_step与x_values中的最后一个值相加（见6），对于y 值也做相同的处理。获得下一个点的x值和y值后，我们将它们分别附加到列表x_values和y_values 的末尾。

15.3.3 绘制随机漫步图

下面的代码将随机漫步的所有点都绘制出来：

rw_visual.py

import matplotlib.pyplot as plt
from random_walk import RandomWalk
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
1 rw = RandomWalk()
rw.fill_walk()
2 plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show() 

我们首先导入了模块pyplot和RandomWalk类，然后创建了一个RandomWalk实例，并将其存储 到rw中（见1），再调用fill_walk()。在2处，我们将随机漫步包含的x和y值传递给scatter()， 并选择了合适的点尺寸。图15-8显示了包含5000个点的随机漫步图（本节的示意图未包含 matplotlib查看器部分，但你运行rw_visual.py时，依然会看到）。

---

关于“Python”的核心知识点整理大全37-CSDN博客

关于“Python”的核心知识点整理大全25-CSDN博客

关于“Python”的核心知识点整理大全12-CSDN博客

往期快速传送门👆（在文章最后）：

感谢大家的支持！欢迎订阅收藏！专栏将持续更新！