Секреты Scatter-графиков в Python с помощью matplotlib

В визуализации данных scatter-графики занимают особое место благодаря своей способности показывать взаимосвязь между двумя переменными. Библиотека matplotlib предоставляет мощные инструменты для создания таких графиков, позволяя аналитикам и исследователям эффективно представлять свои данные.

Что такое scatter-график?

Scatter-график, также известный как диаграмма рассеяния, представляет собой графическое представление, где каждая точка соответствует сочетанию значений двух переменных. Это позволяет легко визуализировать и анализировать корреляции, выявлять тренды и аномалии в данных. Например, в исследованиях о влиянии времени на результативность можно использовать scatter-графики для наглядного представления этих взаимосвязей.

Как использовать функцию scatter в matplotlib

Создание scatter-графика в matplotlib осуществляется с помощью функции scatter. Основные параметры, которые вы можете использовать, включают:

• x: значения по оси X, представляющие одну переменную
• y: значения по оси Y, представляющие вторую переменную
• s: размер маркеров, который может варьироваться для визуализации важности
• c: цвет маркеров, который может быть статичным или зависеть от третьей переменной

Пример использования scatter

Рассмотрим практический пример. Допустим, у нас есть данные о расходах студентов на учебники и их успеваемости. Мы можем изобразить эти данные следующим образом:

import matplotlib.pyplot as plt

# Данные
expenses = [200, 300, 250, 400, 150]
performance = [75, 85, 80, 90, 70]

# Создание scatter-графика
plt.scatter(expenses, performance, s=150, c='green', alpha=0.6)
plt.title('Scatter-график расходов на учебники и успеваемости')
plt.xlabel('Расходы на учебники (руб.)')
plt.ylabel('Успеваемость (%)')
plt.grid(True)
plt.show()

Параметры функции scatter

Функция scatter имеет множество параметров для тонкой настройки графика:

x, y

Значения по осям X и Y.

s

Размер маркеров - можно использовать как одно число, так и массив для индивидуальной настройки каждого маркера.

c

Цвет маркеров - можно указать как фиксированный цвет, так и массив значений для динамического отображения.

alpha

Прозрачность маркеров - 0 означает полную прозрачность, 1 - полную непрозрачность.

Настройка внешнего вида scatter-графика

Улучшить внешний вид графика можно с помощью параметров, таких как linewidths для толщины границ и edgecolors для цвета границ маркеров. Например:

plt.scatter(expenses, performance, s=150, c='orange', edgecolors='black', linewidths=2, alpha=0.8)

Использование цветовых карт и нормализации

Цветовые карты могут добавить дополнительный уровень информации к вашим графикам. Например, если у вас есть данные о количестве часов, проведенных за учебой, вы можете использовать их для определения цвета маркеров:

study_hours = [2, 5, 3, 4, 1]
plt.scatter(expenses, performance, c=study_hours, cmap='plasma')
plt.colorbar(label='Часы учебы')

Scatter-графики - это мощный инструмент для визуализации и анализа данных, позволяющий выявлять связи и тренды. Используя matplotlib, вы можете создавать информативные и эффектные графики, которые сделают вашу презентацию данных более привлекательной и понятной.

Дополнительные ресурсы

Для более глубокого изучения возможностей matplotlib и функции scatter ознакомьтесь с официальной документацией и примерами на сайте matplotlib, чтобы расширить свои знания и улучшить визуализацию ваших данных.