Matplotlib ဖြန့်ကြဲခြင်း ။
Scatter Plots ဖန်တီးခြင်း။
Pyplot ဖြင့်၊ သင်သည် scatter()
ဖြန့်ကြဲကွက်တစ်ခုဆွဲရန် လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။
လုပ်ဆောင်ချက် သည် scatter()
စောင့်ကြည့်မှုတစ်ခုစီအတွက် အစက်တစ်စက်ကို ချပေးသည်။ ၎င်းသည် တူညီသောအလျားနှစ်ခု၊ x-ဝင်ရိုးတန်ဖိုးများအတွက် တစ်ခုနှင့် y-ဝင်ရိုးရှိတန်ဖိုးများအတွက် တစ်ခု လိုအပ်သည်-
ဥပမာ
ရိုးရှင်းသော ဖြန့်ကျက်ကြံစည်မှု
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()
ရလဒ်:
အထက်ဖော်ပြပါ ဥပမာတွင် ဖြတ်သွားသော ကား ၁၃ စီး၏ ရလဒ်ဖြစ်သည်။
X-axis သည် ကား၏သက်တမ်းမည်မျှရှိသည်ကို ပြသသည်။
Y-axis သည် ကားဖြတ်သန်းသွားသောအခါတွင် အရှိန်ကိုပြသည်။
လေ့လာမှုတွေကြား ဆက်စပ်မှုရှိပါသလား။
ကားအသစ်လေလေ၊ ပိုမြန်လေလေလို့ထင်ရပေမယ့် အဲဒါက တိုက်ဆိုင်မှုတစ်ခုပဲ၊ ကျွန်တော်တို့အားလုံး မှတ်ပုံတင်ထားတဲ့ကား ၁၃ စီးပဲရှိတယ်။
Plots များကို နှိုင်းယှဉ်ပါ။
အထက်ဖော်ပြပါ ဥပမာတွင်၊ အမြန်နှုန်းနှင့် အသက်အကြား ဆက်စပ်မှုရှိပုံရသည်၊ သို့သော် ကျွန်ုပ်တို့သည် အခြားနေ့မှ အကဲခတ်ချက်များကို ပုံဖော်ထားလျှင်ကော။ ကွဲလွဲနေသော ဇာတ်ကွက်သည် ကျွန်ုပ်တို့အား အခြားအရာများကို ပြောပြမည်လား။
ဥပမာ
တူညီသောပုံပေါ်တွင် ကွက်နှစ်ကွက်ဆွဲပါ။
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()
ရလဒ်:
မှတ်ချက်- ကွက်နှစ်ကွက်အား မတူညီသောအရောင်နှစ်မျိုးဖြင့် ပုံဖော်ထားပါသည်၊ မူရင်းအပြာနှင့် လိမ္မော်ရောင်ဖြင့် အရောင်ပြောင်းနည်းကို ဤအခန်းတွင် နောက်ပိုင်းတွင် သင်လေ့လာနိုင်မည်ဖြစ်ပါသည်။
မြေကွက်နှစ်ခုကို နှိုင်းယှဉ်ကြည့်ခြင်းဖြင့် ၎င်းတို့နှစ်ဦးစလုံးက ကျွန်ုပ်တို့ကို တူညီသော ကောက်ချက်ချသည်ဟု ဆိုနိုင်သည်- ကားအသစ်လေလေ၊ ပိုမြန်လေလေ မောင်းနှင်လေလေဟု စိတ်ချယုံကြည်မိပါသည်။
အရောင်များ
ကွက်လပ်တစ်ခုစီအတွက်
color
သို့မဟုတ် c
အကြောင်းပြချက်ဖြင့် သင့်ကိုယ်ပိုင်အရောင်ကို သင်သတ်မှတ်နိုင်သည်-
ဥပမာ
အမှတ်အသားများ၏ သင့်ကိုယ်ပိုင်အရောင်ကို သတ်မှတ်ပါ။
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()
ရလဒ်:
အစက်တစ်ခုစီကို အရောင်ခြယ်ပါ။
အစက်တစ်ခုစီအတွက် သတ်သတ်မှတ်မှတ်အရောင်တစ်ခုကိုပင် အကြောင်းပြချက်အတွက် တန်ဖိုးအဖြစ် အရောင်များ၏ array ကိုအသုံးပြုခြင်းဖြင့်ပင် သင်သတ်မှတ်နိုင်သည်
c
-
မှတ်ချက်- ဤအငြင်းအခုံကို သင် အသုံးပြု၍ မရပါ ၊ အကြောင်းပြချက်တစ်ခုတည်းသာ ဖြစ်သည်။color
c
ဥပမာ
အမှတ်အသားများ၏ သင့်ကိုယ်ပိုင်အရောင်ကို သတ်မှတ်ပါ။
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()
ရလဒ်:
အရောင်မြေပုံ
Matplotlib module တွင် ရရှိနိုင်သော အရောင်ပြမြေပုံများစွာ ရှိသည်။
အရောင်ပြမြေပုံသည် အရောင်များစာရင်းတစ်ခုနှင့်တူသည်၊ အရောင်တစ်ခုစီတွင် 0 မှ 100 အထိတန်ဖိုးတစ်ခုရှိသည်။
ဤသည်မှာ အရောင်ပြမြေပုံ၏ ဥပမာတစ်ခုဖြစ်သည်။
ဤအရောင်ပြမြေပုံကို 'viridis' ဟုခေါ်ပြီး ၎င်းကို ခရမ်းရောင်အရောင်ဖြစ်သည့် 0 မှ 100 အထိ၊ အဝါရောင်ဖြစ်သည့် 100 အထိ ကွဲပြားသည်။
ColorMap ကိုအသုံးပြုနည်း
cmap
ဤအခြေအနေတွင် 'viridis'
Matplotlib တွင်ရရှိနိုင်သည့် built-in colormaps များထဲမှတစ်ခုဖြစ်သည့် colormap ၏အဓိကစကားလုံးအငြင်းအခုံဖြင့် colormap ကိုသတ်မှတ်နိုင်သည်
။
ထို့အပြင် သင်သည် တန်ဖိုးများ (0 မှ 100) ရှိသော array တစ်ခုကို ဖန်တီးရန် လိုအပ်သည်-
ဥပမာ
ရောင်စုံခင်းကျင်းတစ်ခုကို ဖန်တီးပြီး ဖြန့်ကြဲချကွက်တွင် အရောင်မြေပုံတစ်ခုကို သတ်မှတ်ပါ-
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()
ရလဒ်:
ကြေညာချက် ကို ထည့်သွင်းခြင်းဖြင့် ပုံတွင် ရောင်စုံမြေပုံကို သင်ထည့်သွင်းနိုင်သည် plt.colorbar()
-
ဥပမာ
အမှန်တကယ် အရောင်ပြမြေပုံကို ထည့်သွင်းပါ-
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()
ရလဒ်:
ရနိုင်သော ColorMaps
Built-in ရောင်စုံမြေပုံများကို သင်ရွေးချယ်နိုင်သည်-
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 |
အရွယ်အစား
အကြောင်းပြချက်ဖြင့် အစက်များ၏ အရွယ်အစားကို သင်ပြောင်းလဲနိုင်သည်
s
။
အရောင်များကဲ့သို့ပင်၊ အရွယ်အစားများအတွက် array သည် x- နှင့် y-axis အတွက် arrays များနှင့် တူညီကြောင်း သေချာပါစေ။
ဥပမာ
အမှတ်အသားများအတွက် သင့်ကိုယ်ပိုင်အရွယ်အစားကို သတ်မှတ်ပါ-
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()
ရလဒ်:
အယ်လ်ဖာ
alpha
အစက်များ၏ ပွင့်လင်းမြင်သာမှုကို အငြင်းအခုံ ဖြင့် ချိန်ညှိနိုင်သည်
။
အရောင်များကဲ့သို့ပင်၊ အရွယ်အစားများအတွက် array သည် x- နှင့် y-axis အတွက် arrays များနှင့် တူညီကြောင်း သေချာပါစေ။
ဥပမာ
အမှတ်အသားများအတွက် သင့်ကိုယ်ပိုင်အရွယ်အစားကို သတ်မှတ်ပါ-
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()
ရလဒ်:
အရောင်အရွယ်အစားနှင့် Alpha ပေါင်းစပ်ပါ။
အစက်များပေါ်ရှိ အရွယ်အစားအမျိုးမျိုးဖြင့် အရောင်မြေပုံတစ်ခုကို ပေါင်းစပ်နိုင်သည်။ အစက်များ ဖောက်ထွင်းမြင်နိုင်လျှင် ၎င်းကို အကောင်းဆုံးမြင်နိုင်သည်-
ဥပမာ
x-points၊ y-points၊ အရောင်များနှင့် အရွယ်အစားများအတွက် တန်ဖိုး 100 ဖြင့် ကျပန်းအခင်းအကျင်းများကို ဖန်တီးပါ-
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()
ရလဒ်: