scatterpython

⑴ python scatter 中的參數s到底是什麼意思啊

s其實設置的就是散點圖中每個點的大小，可以設置為標量或向量，如果是標量那麼所有點大小一樣，如果是向量那麼就得傳入一個與x或者y形狀一樣的向量去單獨設置每個點的大小。

eg.

x = torch.Tensor([1.4, 5, 11, 16, 21])
y = torch.Tensor([14.4, 29.6, 62, 85.5, 113.4])

plt.scatter(x.numpy(), y.numpy())
plt.show()

情況1：設置s = 10

s=[10,50,100,200,300]時的散點圖

⑵ Python可視化|matplotlib10-繪制散點圖scatter

本文詳細介紹如何使用Python的matplotlib庫繪制散點圖，以鳶尾花數據集為例。首先，了解鳶尾花數據集的基本信息，包括數據集的描述、特徵、目標值以及類別的分布等。

數據集包含四列特徵信息，即花萼長度、花萼寬度、花瓣長度和花瓣寬度，單位為厘米。數據集共有150條記錄，每類鳶尾花50條，分別為Setosa（山鳶尾花）、Versicolor（雜色鳶尾花）和Virginica（維吉尼亞鳶尾花）。

使用matplotlib.pyplot.scatter函數繪制散點圖時，需要傳入特徵數據和目標值作為輸入參數。以花瓣長度和花瓣寬度為例，可以將目標值映射為不同的顏色或符號，直觀展示不同類別間的分布情況。

同樣，使用matplotlib.axes.Axes.scatter函數繪制散點圖的步驟與之類似，但提供了更多的定製選項，如坐標軸標簽、標題、圖例等。通過適當調整參數，可以得到更加美觀且信息豐富的圖表。

繪制散點圖是數據分析和可視化的重要工具，能夠幫助我們快速理解數據集的分布、關聯性和潛在模式。在本例中，通過繪制散點圖，我們可以觀察到不同鳶尾花類別的花瓣長度和寬度之間的關系，進一步分析鳶尾花的特徵。

在實踐過程中，可以嘗試使用scikit-learn等機器學習庫配合matplotlib進行數據預處理、特徵選擇和模型訓練，以實現更深入的數據分析與可視化。

參考相關資料，進一步學習matplotlib和scikit-learn的使用方法，可以訪問以下鏈接：scikit-learn.org/stable... matplotlib.org/api/_as_... matplotlib.org/api/_as_...

感謝閱讀，希望本文對您有所幫助。