Come creare Advanced Scatterplot in MatPlotLib - dummies

I grafici a dispersione sono particolarmente importanti per la scienza dei dati perché possono mostrare schemi di dati che non sono ovvi se visualizzati in altri modi. Puoi vedere i raggruppamenti di dati con relativa facilità e aiutare lo spettatore a capire quando i dati appartengono a un particolare gruppo. Puoi anche mostrare sovrapposizioni tra gruppi e persino dimostrare quando determinati dati non rientrano nell'intervallo previsto. Mostrare questi diversi tipi di relazioni nei dati è una tecnica avanzata che è necessario conoscere per sfruttare al meglio MatPlotLib.

Raffigurazione dei gruppi

Il colore è il terzo asse quando si lavora con uno scatterplot. L'uso del colore ti consente di evidenziare i gruppi in modo che gli altri possano vederli con maggiore facilità. L'esempio seguente mostra come utilizzare il colore per mostrare i gruppi all'interno di un grafico a dispersione:

importa numpy come np

importa matplotlib. pyplot come plt

x1 = 5 * np. casuale. rand (50)

x2 = 5 * np. casuale. rand (50) + 25

x3 = 30 * np. casuale. rand (25)

x = np. concatenate ((x1, x2, x3))

y1 = 5 * np. casuale. rand (50)

y2 = 5 * np. casuale. rand (50) + 25

y3 = 30 * np. casuale. rand (25)

y = np. concatenate ((y1, y2, y3))

color_array = ['b'] * 50 + ['g'] * 50 + ['r'] * 25

plt. scatter (x, y, s = [50], marker = "D", c = color_array)

plt. show ()

Questo esempio utilizza un array per i colori. Tuttavia, il primo gruppo è blu, seguito dal verde per il secondo gruppo. Tutti i valori anomali appaiono in rosso.

Gli array di colori possono far risaltare meglio i gruppi scatterplot.

Visualizzazione delle correlazioni

In alcuni casi, è necessario conoscere l'orientamento generale dei dati durante la visualizzazione di un grafico a dispersione. Anche se si crea una rappresentazione chiara dei gruppi, la direzione effettiva che i dati assumono nel loro complesso potrebbe non essere chiara. In questo caso, aggiungi una linea di tendenza all'output. Ecco un esempio di aggiunta di una linea di tendenza a un grafico a dispersione che include gruppi.

importa numpy come np

importa matplotlib. pyplot come plt

importa matplotlib. pylab as plb

x1 = 15 * np. casuale. rand (50)

x2 = 15 * np. casuale. rand (50) + 15

x3 = 30 * np. casuale. rand (30)

x = np. concatenate ((x1, x2, x3))

y1 = 15 * np. casuale. rand (50)

y2 = 15 * np. casuale. rand (50) + 15

y3 = 30 * np. casuale. rand (30)

y = np. concatenate ((y1, y2, y3))

color_array = ['b'] * 50 + ['g'] * 50 + ['r'] * 25

plt. scatter (x, y, s = [90], marker = "*", c = color_array)

z = np. polyfit (x, y, 1)

p = np. poly1d (z)

plb. trama (x, p (x), 'm -')

plt.show ()

L'aggiunta di una linea di tendenza significa chiamare la funzione NumPy polyfit () con i dati, che restituisce un vettore di coefficienti, p , che minimizza l'errore dei minimi quadrati. La regressione quadrata minima è un metodo per trovare una linea che riepiloga la relazione tra due variabili, x e y in questo caso, almeno all'interno del dominio della variabile esplicativa x . Il terzo parametro polyfit () esprime il grado di adattamento polinomiale.

L'output vettoriale di polyfit () viene utilizzato come input per poly1d () , che calcola i punti di dati dell'asse y effettivi. La chiamata a plot () crea la linea di tendenza sullo scatterplot.

Le linee di tendenza di Scatterplot possono mostrarti la direzione generale dei dati.