0%

数据可视化之散点图和折线图

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 1.5k 阅读时长 ≈ 1 分钟

数据可视化之散点图和折线图

画图基本常用参数

plt.figure(figure_size=(30,20))       指定图片大小
plt.style.use('ggplot')               指定图片风格
plt.title("image title",fontsize=30)  指定图片标题

指定坐标轴相关

my_x_trick = np.arrange(0,200,10)     
plt.xtricks(my_x_trick,fontsize=20,rotation)   指定x轴，fontsize指定坐标轴字体，rotation指定文字旋转的角度
plt.ytricks(fontsize=20)    指定y轴

​

指定画图类型

1.折线图

plt.plot(x,y)   #不指定画图种类时默认为折线图
plt.legend(loc = "best",fontsize=40,shadow=1)  #进行图例格式设定
plt.show()

折线图中plot可用参数：
1.color=’red’ 指定折线的颜色
2.label=’price’ 指定改颜色的图例表示
3.marker=’-‘ 设置折现格式，默认为’-‘,注意这里设置范围不要越界，当设置越界时转换其他图

在一个文件中多次调用plt.plot(),使用不同的数据指定不同颜色和label可在一个图中画多条折线进行对比

image

2.散点图

方式一： 
    plt.scatter(x1,x2,marker='o')       #指定画散点图，marker为点的形状
    plt.show()

方式二：
    plt.plot(x1,x2,marker='o')            #plot使用marker=‘o’则为散点图
    plt.show()

image

在实际情况中第二种方式更为灵活，因此我们下重点介绍第二种方式的参数情况。

散点图中常用参数（方式二）：

  1. markerfacecolor 散点内部颜色
  2. markeredgecolor 散点边缘颜色
  3. markersize 散点大小

下面我们以DBSCAN聚类后的结果进行将为可视化为例进行效果展示：

from sklearn.manifold import TSNE

#使用TSNE进行降维
tsne = TSNE(learning_rate=100)
x = tsne.fit_transform(input)

​
labels = dbscan.labels #获取最终的预测结果
unique_labels = set(dbscan.labels) 

colors = plt.cm.Spectral(np.linspace(0,1,len(set(dbscan.labels_))))   #生成和标签种类数相同的颜色数组

core_samples_mask =np.zeros_like(dbscan.labels_,dtype=bool)   

core_samples_mask[dbscan.core_sample_indices_] = True    #将核心对象点对应的位置置true

​
plt.style.use(‘ggplot’)
plt.figure(figsize=(30,20))
for k,col in zip(unique_labels,colors):
if k==-1:
col=’k’
class_member_mask = (labels==k)
xy = x[class_member_mask & core_samples_mask]
plt.plot(xy[:,0],xy[:,1],’o’,markerfacecolor=col,markeredgecolor=’k’,markersize=10)
image

​