Penyebaran Matplotlib
Membuat Scatter Plot
Dengan Pyplot, Anda dapat menggunakan scatter()fungsi untuk menggambar plot pencar.
Fungsi tersebut scatter()memplot satu titik untuk setiap pengamatan. Dibutuhkan dua larik dengan panjang yang sama, satu untuk nilai sumbu x, dan satu untuk nilai pada sumbu y:
Contoh
Sebuah plot pencar sederhana:
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()
Hasil:
Pengamatan pada contoh di atas adalah hasil dari 13 mobil yang lewat.
Sumbu X menunjukkan berapa umur mobil.
Sumbu Y menunjukkan kecepatan mobil saat melintas.
Apakah ada hubungan antara pengamatan?
Tampaknya semakin baru mobil, semakin cepat dikendarai, tetapi itu bisa jadi kebetulan, lagipula kami hanya mendaftarkan 13 mobil.
Bandingkan Plot
Dalam contoh di atas, tampaknya ada hubungan antara kecepatan dan usia, tetapi bagaimana jika kita juga memplot pengamatan dari hari lain? Akankah plot pencar memberi tahu kita sesuatu yang lain?
Contoh
Gambarlah dua plot pada gambar yang sama:
import matplotlib.pyplot as plt
import numpy as np
#day one, the age
and speed of 13 cars:
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)
#day two, the age and speed of 15 cars:
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)
plt.show()
Hasil:
Catatan: Kedua plot diplot dengan dua warna berbeda, secara default biru dan oranye, Anda akan mempelajari cara mengubah warna nanti di bab ini.
Dengan membandingkan dua plot, saya pikir aman untuk mengatakan bahwa keduanya memberi kita kesimpulan yang sama: semakin baru mobil, semakin cepat ia melaju.
warna
Anda dapat mengatur warna Anda sendiri untuk setiap plot pencar dengan
argumen coloratau :c
Contoh
Atur warna spidol Anda sendiri:
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, color = 'hotpink')
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')
plt.show()
Hasil:
Warnai Setiap Titik
Anda bahkan dapat mengatur warna tertentu untuk setiap titik dengan menggunakan larik warna sebagai nilai untuk
cargumen:
Catatan: Anda tidak dapat menggunakan colorargumen untuk ini, hanya cargumen.
Contoh
Atur warna spidol Anda sendiri:
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()
Hasil:
Peta Warna
Modul Matplotlib memiliki sejumlah peta warna yang tersedia.
Peta warna seperti daftar warna, di mana setiap warna memiliki nilai yang berkisar dari 0 hingga 100.
Berikut adalah contoh peta warna:
Peta warna ini disebut 'viridis' dan seperti yang Anda lihat berkisar dari 0, yang merupakan warna ungu, dan hingga 100, yang merupakan warna kuning.
Cara Menggunakan ColorMap
Anda dapat menentukan peta warna dengan argumen kata kunci
cmapdengan nilai peta warna, dalam hal ini 'viridis'yang merupakan salah satu peta warna bawaan yang tersedia di Matplotlib.
Selain itu, Anda harus membuat larik dengan nilai (dari 0 hingga 100), satu nilai untuk setiap titik dalam plot pencar:
Contoh
Buat larik warna, dan tentukan peta warna di plot sebar:
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.show()
Hasil:
Anda dapat menyertakan peta warna dalam gambar dengan menyertakan plt.colorbar()pernyataan:
Contoh
Sertakan peta warna yang sebenarnya:
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()
Hasil:
Tersedia ColorMaps
Anda dapat memilih salah satu dari peta warna bawaan:
| Name | Reverse | |||
|---|---|---|---|---|
| Accent | Accent_r | |||
| Blues | Blues_r | |||
| BrBG | BrBG_r | |||
| BuGn | BuGn_r | |||
| BuPu | BuPu_r | |||
| CMRmap | CMRmap_r | |||
| Dark2 | Dark2_r | |||
| GnBu | GnBu_r | |||
| Greens | Greens_r | |||
| Greys | Greys_r | |||
| OrRd | OrRd_r | |||
| Oranges | Oranges_r | |||
| PRGn | PRGn_r | |||
| Paired | Paired_r | |||
| Pastel1 | Pastel1_r | |||
| Pastel2 | Pastel2_r | |||
| PiYG | PiYG_r | |||
| PuBu | PuBu_r | |||
| PuBuGn | PuBuGn_r | |||
| PuOr | PuOr_r | |||
| PuRd | PuRd_r | |||
| Purples | Purples_r | |||
| RdBu | RdBu_r | |||
| RdGy | RdGy_r | |||
| RdPu | RdPu_r | |||
| RdYlBu | RdYlBu_r | |||
| RdYlGn | RdYlGn_r | |||
| Reds | Reds_r | |||
| Set1 | Set1_r | |||
| Set2 | Set2_r | |||
| Set3 | Set3_r | |||
| Spectral | Spectral_r | |||
| Wistia | Wistia_r | |||
| YlGn | YlGn_r | |||
| YlGnBu | YlGnBu_r | |||
| YlOrBr | YlOrBr_r | |||
| YlOrRd | YlOrRd_r | |||
| afmhot | afmhot_r | |||
| autumn | autumn_r | |||
| binary | binary_r | |||
| bone | bone_r | |||
| brg | brg_r | |||
| bwr | bwr_r | |||
| cividis | cividis_r | |||
| cool | cool_r | |||
| coolwarm | coolwarm_r | |||
| copper | copper_r | |||
| cubehelix | cubehelix_r | |||
| flag | flag_r | |||
| gist_earth | gist_earth_r | |||
| gist_gray | gist_gray_r | |||
| gist_heat | gist_heat_r | |||
| gist_ncar | gist_ncar_r | |||
| gist_rainbow | gist_rainbow_r | |||
| gist_stern | gist_stern_r | |||
| gist_yarg | gist_yarg_r | |||
| gnuplot | gnuplot_r | |||
| gnuplot2 | gnuplot2_r | |||
| gray | gray_r | |||
| hot | hot_r | |||
| hsv | hsv_r | |||
| inferno | inferno_r | |||
| jet | jet_r | |||
| magma | magma_r | |||
| nipy_spectral | nipy_spectral_r | |||
| ocean | ocean_r | |||
| pink | pink_r | |||
| plasma | plasma_r | |||
| prism | prism_r | |||
| rainbow | rainbow_r | |||
| seismic | seismic_r | |||
| spring | spring_r | |||
| summer | summer_r | |||
| tab10 | tab10_r | |||
| tab20 | tab20_r | |||
| tab20b | tab20b_r | |||
| tab20c | tab20c_r | |||
| terrain | terrain_r | |||
| twilight | twilight_r | |||
| twilight_shifted | twilight_shifted_r | |||
| viridis | viridis_r | |||
| winter | winter_r |
Ukuran
Anda dapat mengubah ukuran titik dengan
sargumen.
Sama seperti warna, pastikan array untuk ukuran memiliki panjang yang sama dengan array untuk sumbu x dan y:
Contoh
Atur ukuran Anda sendiri untuk spidol:
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()
Hasil:
Alfa
Anda dapat menyesuaikan transparansi titik-titik dengan
alphaargumen.
Sama seperti warna, pastikan array untuk ukuran memiliki panjang yang sama dengan array untuk sumbu x dan y:
Contoh
Atur ukuran Anda sendiri untuk spidol:
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()
Hasil:
Gabungkan Ukuran Warna dan Alfa
Anda dapat menggabungkan peta warna dengan ukuran berbeda pada titik-titik. Ini paling baik divisualisasikan jika titik-titiknya transparan:
Contoh
Buat array acak dengan 100 nilai untuk titik-x, titik-y, warna dan ukuran:
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()
Hasil:
