Python – ایجاد نمودار پراکندگی با Matplotlib

نمودارهای پراکندگی به شما این امکان را می‌دهند که نقاط مختلف را بر اساس مقادیر روی محورهای x و y نمایش دهید. برای ترسیم نمودار پراکندگی می‌توانید از تابع scatter() استفاده کنید.

مثال:

نمودار پراکندگی ساده:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])

plt.scatter(x, y)
plt.show()

مقایسه نمودارها

شما می‌توانید چندین مجموعه داده را در یک نمودار پراکندگی نمایش دهید و مقایسه کنید.

مثال:

نمودار پراکندگی برای دو روز مختلف:

import matplotlib.pyplot as plt
import numpy as np

# روز اول
x1 = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y1 = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x1, y1, color='blue', label='Day 1')

# روز دوم
x2 = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y2 = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x2, y2, color='orange', label='Day 2')

plt.legend()
plt.show()

تنظیم رنگ‌ها

می‌توانید رنگ هر نقطه را با استفاده از آرگومان color یا c تنظیم کنید.

مثال:

تنظیم رنگ‌های مختلف برای نقاط:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)
plt.show()

استفاده از نقشه رنگ‌ها (ColorMap)

می‌توانید از نقشه رنگ‌های پیش‌ساخته استفاده کنید تا رنگ‌ها بر اساس مقادیر متغیر باشند.

مثال:

استفاده از نقشه رنگ ‘viridis’:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')
plt.colorbar()
plt.show()

تنظیم اندازه نقاط

می‌توانید اندازه نقاط را با استفاده از آرگومان s تنظیم کنید.

مثال:

تنظیم اندازه نقاط:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes)
plt.show()

تنظیم شفافیت نقاط

می‌توانید شفافیت نقاط را با استفاده از آرگومان alpha تنظیم کنید.

مثال:

تنظیم شفافیت نقاط:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes, alpha=0.5)
plt.show()

ترکیب رنگ، اندازه و شفافیت

شما می‌توانید رنگ‌ها، اندازه‌ها و شفافیت‌ها را به طور همزمان تنظیم کنید.

مثال:

ترکیب رنگ‌ها و اندازه‌ها با شفافیت:

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')
plt.colorbar()
plt.show()

پست های مرتبط

مطالعه این پست ها رو از دست ندین!
Python - محدود کردن داده (MongoDB Limit)

Python – محدود کردن داده (MongoDB Limit)

Python MongoDB محدود کردن نتایج برای محدود کردن نتایج در MongoDB، از متد limit() استفاده می‌کنیم. متد limit() یک...

بیشتر بخوانید
Python - بروزرسانی (MongoDB Update)

Python – بروزرسانی (MongoDB Update)

به‌روزرسانی یک رکورد برای به‌روزرسانی یک رکورد یا سند در MongoDB، از متد update_one() استفاده می‌کنیم. پارامتر اول متد...

بیشتر بخوانید
Python - حذف کالکشن (MongoDB Drop Collection)

Python – حذف کالکشن (MongoDB Drop Collection)

حذف کالکشن شما می‌توانید یک جدول یا کالکشن در MongoDB را با استفاده از متد drop() حذف کنید. مثالحذف...

بیشتر بخوانید

نظرات

سوالات و نظراتتون رو با ما به اشتراک بذارید

برای ارسال نظر لطفا ابتدا وارد حساب کاربری خود شوید.