🔥 Selamat datang di Limited77 — Jelajahi tren terbaru tentang uk-casinos-list!
Scatter Matplotlib
Dengan Pyplot, Anda dapat menggunakan fungsi scatter() untuk menggambar diagram pencar.
Fungsi scatter() menempatkan satu titik untuk setiap observasi. Fungsi ini membutuhkan dua array dengan panjang yang sama, satu untuk nilai sumbu x, dan satu untuk nilai sumbu y:
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])pltr(x, y)plt()
Observasi pada contoh di atas adalah hasil dari 13 mobil yang melintas.
Sumbu X menunjukkan usia mobil.
Sumbu Y menunjukkan kecepatan mobil saat melintas.
Apakah ada hubungan antara observasi-observasi tersebut? Tampaknya semakin baru mobil, semakin cepat melaju, tetapi itu bisa saja kebetulan, karena kita hanya mencatat 13 mobil.
Membandingkan Plot
Pada contoh di atas, tampaknya ada hubungan antara kecepatan dan usia, tetapi bagaimana jika kita memplot observasi dari hari lain juga? Apakah diagram pencar akan memberi tahu hal lain?
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])pltr(x, y)x = np([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])y = np([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])pltr(x, y)plt()
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 kedua plot, saya pikir aman untuk mengatakan bahwa keduanya memberikan kesimpulan yang sama: semakin baru mobil, semakin cepat melaju.
Warna
Anda dapat mengatur warna sendiri untuk setiap diagram pencar dengan argumen color atau c:
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])pltr(x, y, color = 'hotpink')x = np([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])y = np([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])pltr(x, y, color = '#88c999')plt()
Warna Setiap Titik
Anda bahkan dapat mengatur warna spesifik untuk setiap titik dengan menggunakan array warna sebagai nilai untuk argumen c:
Catatan: Anda tidak dapat menggunakan argumen color untuk ini, hanya argumen c.
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])colors = np(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])pltr(x, y, c=colors)plt()
Peta Warna (ColorMap)
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.
Contoh peta warna: (gambar dihilangkan)
Peta warna ini disebut 'viridis' dan seperti yang Anda lihat, rentangnya dari 0, yang merupakan warna ungu, hingga 100, yang merupakan warna kuning.
Cara Menggunakan Peta Warna
Anda dapat menentukan peta warna dengan argumen kata kunci cmap dengan nilai peta warna, dalam hal ini 'viridis' yang merupakan salah satu peta warna bawaan yang tersedia di Matplotlib.
Selain itu, Anda harus membuat array dengan nilai (dari 0 hingga 100), satu nilai untuk setiap titik dalam diagram pencar:
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])colors = np([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])pltr(x, y, c=colors, cmap='viridis')plt()
Anda dapat menyertakan peta warna dalam gambar dengan menyertakan pernyataan pltar():
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])colors = np([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])pltr(x, y, c=colors, cmap='viridis')pltar()plt()
Peta Warna yang Tersedia
Anda dapat memilih salah satu peta warna bawaan:
Nama | Kebalikan
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 argumen s.
Sama seperti warna, pastikan array untuk ukuran memiliki panjang yang sama dengan array untuk sumbu x dan y:
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])sizes = np([20,50,100,200,500,1000,60,90,10,300,600,800,75])pltr(x, y, s=sizes)plt()
Alpha (Transparansi)
Anda dapat menyesuaikan transparansi titik dengan argumen alpha.
Contoh
import matplotlib as pltimport numpy as npx = np([5,7,8,7,2,17,2,9,4,11,12,9,6])y = np([99,86,87,88,111,86,103,87,94,78,77,85,86])sizes = np([20,50,100,200,500,1000,60,90,10,300,600,800,75])pltr(x, y, s=sizes, alpha=0.5)plt()
Menggabungkan Warna, Ukuran, dan Alpha
Anda dapat menggabungkan peta warna dengan ukuran titik yang berbeda. Ini paling baik divisualisasikan jika titik-titik transparan:
Contoh
import matplotlib as pltimport numpy as npx = randomt(100, size=(100))y = randomt(100, size=(100))colors = randomt(100, size=(100))sizes = 10 * randomt(100, size=(100))pltr(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')pltar()plt()
Kasino
Olahraga
avatar-slot