接受自己的普通，然后全力以赴的出眾，告訴自己要努力，但不要著急....
創(chuàng)新互聯(lián)公司電話聯(lián)系：13518219792，為您提供成都網(wǎng)站建設(shè)網(wǎng)頁(yè)設(shè)計(jì)及定制高端網(wǎng)站建設(shè)服務(wù)，創(chuàng)新互聯(lián)公司網(wǎng)頁(yè)制作領(lǐng)域十載，包括茶樓設(shè)計(jì)等多個(gè)領(lǐng)域擁有多年設(shè)計(jì)經(jīng)驗(yàn)，選擇創(chuàng)新互聯(lián)公司，為網(wǎng)站保駕護(hù)航。
當(dāng)然， 這個(gè)結(jié)果并不是我真正想要的，Pass, 太丑了！
好吧，安排，我們先看下實(shí)現(xiàn)后的效果！
這個(gè)效果自然就比之前的好多了！
實(shí)現(xiàn)python散點(diǎn)圖繪制需要用到matplotlib庫(kù)， matplotlib庫(kù)是專門用于可視化繪圖的工具庫(kù)；學(xué)習(xí)一個(gè)新的庫(kù)當(dāng)然看官方文檔了：
實(shí)現(xiàn)思路：
matplotlib.pyplot.scatter() 函數(shù)是專門繪制散點(diǎn)圖的函數(shù)：
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參數(shù)為計(jì)算的散點(diǎn)密度；
2、cmap為色帶（matplotlib里面自帶了很多色帶可供選擇）,參見(jiàn)：
3、由于計(jì)算的散點(diǎn)密度數(shù)值大小分散，因此利用norm參數(shù)對(duì)散點(diǎn)密度Z1進(jìn)行歸一化處理(歸一化方式很多，參見(jiàn)colors類)，并給歸一化方式設(shè)置色帶刻度的最大最小值vmin和vmax(一般這兩個(gè)參數(shù)就是指定散點(diǎn)密度的最小值和最大值)，這樣就建立起了密度與色帶的映射關(guān)系。
（這里的結(jié)果與前面展示的相比改變了計(jì)算散點(diǎn)密度的半徑：radius = 3以及繪制散點(diǎn)圖的散點(diǎn)大小marksize）
作者能力水平有限，歡迎各位批評(píng)指正！
1. 繪制3D曲面圖
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）
//繪面函數(shù)
ax.plot_surface（x,y,z,rstride=1,cstride=1,cmap=“rainbow”
plt.show（）
2.繪制三維的散點(diǎn)圖（表述一些數(shù)據(jù)點(diǎn)分布）
4a.mat數(shù)據(jù)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]
//創(chuàng)建一個(gè)繪圖工程
ax=plt.subplot（111,project=‘3D’）
//將數(shù)據(jù)點(diǎn)分成三部分畫，在顏色上有區(qū)分度
ax.scatter（x[：1000], y[：1000], z[：1000],c=‘y’ ）//繪制數(shù)據(jù)點(diǎn)
ax.scatter（x[1000：4000], y[1000：4000], z[1000：4000],c=‘r’ ）//繪制數(shù)據(jù)點(diǎn)
ax.scatter（x[4000：], y[4000：], z[4000：],c=‘g’ ）//繪制數(shù)據(jù)點(diǎn)
ax.set_zlable（‘z’）//坐標(biāo)軸
ax.set_ylable（‘y’）//坐標(biāo)軸
ax.set_xlable（‘x’）
plt.show（）
在seaborn中，繪制散點(diǎn)圖的函數(shù)有 scatterplot 和 relplot 。
seaborn 繪制散點(diǎn)圖最簡(jiǎn)單的方式是使用 scatterplot 方法，指定 data 參數(shù)和 x 和 y 參數(shù)。
添加 hue 參數(shù)，設(shè)置點(diǎn)的分組顏色。
添加 style 參數(shù)，設(shè)置點(diǎn)的分組樣式。
添加 size 參數(shù)，設(shè)置點(diǎn)的分組大小。
hue , style , size 參數(shù)可以同時(shí)設(shè)置多個(gè)。
分面散點(diǎn)圖用 relplot 方法繪制，需要設(shè)置 kind="scatter" ，然后使用 col , row 參數(shù)分面。
基本代碼如下：
這里使用numpy包的random函數(shù)隨機(jī)生成1000組數(shù)據(jù)，然后通過(guò)scatter函數(shù)繪制了散點(diǎn)圖。
重點(diǎn)其實(shí)在于scatter函數(shù)。
x,y 形如shape(n,)的數(shù)組，可選值，
s 點(diǎn)的大?。ㄒ簿褪敲娣e）默認(rèn)20
c 點(diǎn)的顏色或顏色序列，默認(rèn)藍(lán)色。其它如c = 'r' (red); c = 'g' (green); c = 'k' (black) ; c = 'y'(yellow)
marker 形狀，可選值，默認(rèn)是圓
如果需要其他的，可搜索matplotlib的官網(wǎng)，在官網(wǎng)中搜索markers，選擇第一個(gè)結(jié)果。
alpha：標(biāo)量，可選，默認(rèn)值：無(wú)， 0（透明）和1（不透明）之間的alpha混合值
示例alpha = 0.5
edgecolors，顧名思義，邊緣顏色或顏色序列，可選值，默認(rèn)值：None
重慶分公司
重慶分公司
