Apprenez rapidement : dessinez des cartes thermiques et des nuages de points à l'aide de Python (avec des exemples de code)
Introduction :
Dans la visualisation de données, les cartes thermiques et les nuages de points sont deux types de graphiques courants. Les cartes thermiques peuvent afficher visuellement la distribution et les tendances changeantes des données, tandis que les nuages de points conviennent pour montrer la corrélation entre plusieurs points de données. Cet article expliquera comment utiliser Python pour dessiner ces deux graphiques et donnera des exemples de code spécifiques.
1. Dessinez une carte thermique
import numpy as np data = np.random.rand(3, 3)
import matplotlib.pyplot as plt plt.imshow(data, cmap='hot', interpolation='nearest') plt.colorbar() # 添加颜色渐变条 plt.show()
Dans le code ci-dessus, une palette de couleurs chaude est utilisée pour mapper les valeurs plus petites au jaune vif et les valeurs plus grandes au rouge foncé, et le paramètre d'interpolation est utilisé pour spécifier la méthode d'interpolation.
2. Dessinez un nuage de points
import numpy as np x = np.random.rand(100) y = np.random.rand(100)
import matplotlib.pyplot as plt plt.scatter(x, y, marker='o', c='r') # 使用红色的圆点表示散点图 plt.xlabel('X') # 设置x轴标签 plt.ylabel('Y') # 设置y轴标签 plt.title('Scatter Plot') # 设置图表标题 plt.show()
Dans le code ci-dessus, utilisez le paramètre marqueur pour spécifier la forme du marqueur des points de dispersion et le paramètre c pour spécifier la couleur des points de dispersion.
Conclusion :
Cet article présente la méthode d'utilisation de Python pour dessiner des cartes thermiques et des nuages de points, et donne des exemples de code spécifiques. En étudiant ces exemples de codes, les lecteurs peuvent rapidement commencer à dessiner des cartes thermiques et des nuages de points, et effectuer une analyse visuelle des données. Dans le même temps, les lecteurs peuvent également effectuer un développement secondaire et une optimisation en fonction de leurs propres besoins pour obtenir des effets de visualisation de données plus personnalisés.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!