13518219792
在seaborn中，绘制散点图的函数有 scatterplot 和 relplot 。
为阿勒泰等地区用户提供了全套网页设计制作服务，及阿勒泰网站建设行业解决方案。主营业务为成都做网站、网站制作、阿勒泰网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
seaborn 绘制散点图最简单的方式是使用 scatterplot 方法，指定 data 参数和 x 和 y 参数。
添加 hue 参数，设置点的分组颜色。
添加 style 参数，设置点的分组样式。
添加 size 参数，设置点的分组大小。
hue , style , size 参数可以同时设置多个。
分面散点图用 relplot 方法绘制，需要设置 kind="scatter" ，然后使用 col , row 参数分面。
1. 绘制3D曲面图
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure()
ax=Axes3D(fig)
x=np.arange(-4,4,0.25)
y=np.arange(-4,4,0.25)
x,y=np.meshgrid(x,y)
r=np.sqrt(x**2, y**2)
z=np.sin（r）
//绘面函数
ax.plot_surface（x,y,z,rstride=1,cstride=1,cmap=“rainbow”
plt.show（）
2.绘制三维的散点图（表述一些数据点分布）
4a.mat数据地址：http blog.csdn.net/eddy_zhang/article/details/50496164
from matplotlib import pyplot as plt
import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3D
matl=‘4a.mat’
data=sio.loadmat（matl）
m=data[‘data’]
x,y,z=m[0],m[1],m[2]
//创建一个绘图工程
ax=plt.subplot（111,project=‘3D’）
//将数据点分成三部分画，在颜色上有区分度
ax.scatter（x[：1000], y[：1000], z[：1000],c=‘y’ ）//绘制数据点
ax.scatter（x[1000：4000], y[1000：4000], z[1000：4000],c=‘r’ ）//绘制数据点
ax.scatter（x[4000：], y[4000：], z[4000：],c=‘g’ ）//绘制数据点
ax.set_zlable（‘z’）//坐标轴
ax.set_ylable（‘y’）//坐标轴
ax.set_xlable（‘x’）
plt.show（）
接受自己的普通，然后全力以赴的出众，告诉自己要努力，但不要着急....
当然， 这个结果并不是我真正想要的，Pass, 太丑了！
好吧，安排，我们先看下实现后的效果！
这个效果自然就比之前的好多了！
实现python散点图绘制需要用到matplotlib库， matplotlib库是专门用于可视化绘图的工具库；学习一个新的库当然看官方文档了：
实现思路：
matplotlib.pyplot.scatter() 函数是专门绘制散点图的函数：
matplotlib.pyplot.scatter ( x, y , s=None , c=None , marker=None , cmap=None , norm=None , vmin=None , vmax=None , alpha=None , linewidths=None , verts=None , edgecolors=None , ***, data=None , ** kwargs ) **
plt.scatter(observation, estimate, c=Z1, cmap=colormap, marker=".", s=marker_size, norm=colors.LogNorm(vmin=Z1.min(), vmax=0.5 * Z1.max()))
其中：
1、c参数为计算的散点密度；
2、cmap为色带（matplotlib里面自带了很多色带可供选择）,参见：
3、由于计算的散点密度数值大小分散，因此利用norm参数对散点密度Z1进行归一化处理(归一化方式很多，参见colors类)，并给归一化方式设置色带刻度的最大最小值vmin和vmax(一般这两个参数就是指定散点密度的最小值和最大值)，这样就建立起了密度与色带的映射关系。
（这里的结果与前面展示的相比改变了计算散点密度的半径：radius = 3以及绘制散点图的散点大小marksize）
作者能力水平有限，欢迎各位批评指正！
python matplotlib模块，是扩展的MATLAB的一个绘图工具库。他可以绘制各种图形，可是最近最的一个小程序，得到一些三维的数据点图，就学习了下python中的matplotlib模块，如何绘制三维图形。
初学者，可能对这些第三方库安装有一定的小问题，对于一些安装第三方库经验较少的朋友，建议使用 Anaconda ，集成了很多第三库，基本满足大家的需求，下载地址，对应选择python 2.7 或是 3.5 的就可以了（PS：后面的demo是python2.7）：
首先提醒注意，以下两个函数的区别：
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow') #绘面1
和
ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r') #绘点1
1、绘制3D曲面图
# -*- coding: utf-8 -*-"""
Created on Thu Sep 24 16:17:13 2015
@author: Eddy_zheng
"""from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')
plt.show()1234567891011121314151617181920212223
效果展示：
2、绘制三维的散点图（通常用于表述一些数据点分布）
4a.mat 数据地址，找到4a.mat 下载即可:
# -*- coding: utf-8 -*-"""
Created on Thu Sep 24 16:37:21 2015
@author: Eddy_zheng
"""import scipy.io as sio
from mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as plt
mat1 = '4a.mat' #这是存放数据点的文件，需要它才可以画出来。上面有下载地址data = sio.loadmat(mat1)
m = data['data']
x,y,z = m[0],m[1],m[2]
ax=plt.subplot(111,projection='3d') #创建一个三维的绘图工程#将数据点分成三部分画，在颜色上有区分度ax.scatter(x[:1000],y[:1000],z[:1000],c='y') #绘制数据点ax.scatter(x[1000:4000],y[1000:4000],z[1000:4000],c='r')
ax.scatter(x[4000:],y[4000:],z[4000:],c='g')
ax.set_zlabel('Z') #坐标轴ax.set_ylabel('Y')
ax.set_xlabel('X')
plt.show()123456789101112131415161718192021222324252627
效果：
上面就是学习区分了下两个函数，当时还被小困惑了下，希望对大家有所帮助。其实里面还有好多参数设置，比如说改变颜色，包括绘制点图的点的形状等都是可以改变的，有需要的大家可以自己看看这个函数，学习下(help(对应的function))。
版权声明：本文为博主原创文章，未经博主允许不得转载。Eddy_zheng
