Python matplotlib 산 점 도 를 그 리 는 인 스 턴 스 코드

머리말
앞에서 말 한 것 은 주로 matplotlib 가 이미지 에 대한 기초 작업 이다.그 다음 에 이 편 부터 점 도 를 말한다.분석 점 도 는 실제 문제 의 데이터 처리 에서 매우 광범 위 하 게 응용 된다.예 를 들 어 논리 회 귀 는 기 존의 데이터 점 을 이용 하여 의합 을 통 해 일정한 함수 관 계 를 얻 고 심지어 생활 속 에서 물체 운동 의 궤적 을 얻 는 것 이다.연속 적 인 점 으로 그 려 진 것 으로 볼 수도 있 고 이미지 도 여러 개의 픽 셀 점 을 쌓 아 만 든 것 으로 볼 수 있 으 며 이미지 처리 에서 하나의 픽 셀 점 을 대상 으로 처리 하 는 경우 가 많다.
현재 의 심도 있 는 학습 이나 기계 학습,모델 은 모두 고정 되 어 있 습 니 다.대부분 은 어떻게 바 꾸 지 않 아 도 훈련 효 과 를 향상 시 킬 수 있 습 니 다.가장 중요 한 것 은 데 이 터 를 잘 처리 하 는 것 입 니 다.많은 데이터 자체 가 점 집합 입 니 다.matplotlib 를 이용 하여 점 을 시각 화 된 그림 으로 그 리 는 것 도 인공지능 엔지니어 의 분석 과 이해 에 편리 합 니 다.시각 화 된 효과 이기 때문에지루 한 데 이 터 를 보고 생각 하 는 것 보 다 는 낫 지.
python 에서 산 점 도 를 그 리 는 것 은 주로 matplotlib 모듈 의 scatter 함수 입 니 다.먼저 scatter 함수 의 기본 정 보 를 살 펴 보 겠 습 니 다.

scatter 에 많은 인자 가 있 는 것 을 볼 수 있 습 니 다.자주 사용 하 는 매개 변 수 는 주로 다음 과 같은 몇 가지 가 있 습 니 다.

산포도
다음은 산 점도 의 간단 한 프 리 젠 테 이 션 입 니 다.numpy 의 random 함 수 를 이용 하여 무 작위 수 를 만 든 다음 에 이 점 들 을 그립 니 다.그림 설치 그림 에서 API 설정 창의 매개 변 수 를 보 려 면 cmap='jetr'이거,jetr 는 색상 맵 알고리즘 입 니 다.시스템 은 이미지 의 정보 에 따라 색상 을 자동 으로 설정 합 니 다.여기 서도 스스로 색상 을 설정 할 수 있 고 다른 색상 으로 표시 할 수 있 습 니 다.
산포도 그리 기 관련 API:

mp.scatter(
	xarray, yarray,  #       
    marker='',		 #   
    s = 60,			 #     
    edgecolor='',	 #    
    facecolor='',	 #    
    zorder=3,		 #        
    c=d,			 #        
    cmap='jet'		 #     
)

정상 분포 에 맞 는 임 의 수 를 무 작위 로 생 성 합 니 다:

n = 500
#     n  
# 172:     
# 20:     
x = np.random.normal(172, 20, n)

import numpy as np
import matplotlib.pyplot as mp

n = 500
#     500     
x = np.random.normal(172, 10, n)
#     500     
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)**2
mp.scatter(x, y, c=d, cmap='jet_r',
	alpha=0.6, label='Person', s=50)
mp.legend()
mp.show()

총결산
파 이 썬 matplotlib 산포도 그리 기 에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 파 이 썬 matplotlib 산포도 그리 기 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 찾 아 보 세 요.앞으로 많은 응원 바 랍 니 다!