Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

Matplotlib में स्कैटर साइज को डेटा कोऑर्डिनेट्स में कैसे बदलें?


Matplotlib में स्कैटर साइज को डेटा कोऑर्डिनेट्स में बदलने के लिए, हम निम्नलिखित चरण अपना सकते हैं -

  • फिगर का आकार सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें।
  • NumPy का उपयोग करके x और s डेटा पॉइंट्स बनाएं।
  • एक फिगर और सबप्लॉट्स का सेट बनाएं।
  • X और s, cmap और कलर इन्फो के साथ स्कैटर प्लॉट बनाएं।
  • फिगर प्रदर्शित करने के लिए, show() मेथड का उपयोग करें।

उदाहरण

import numpy as np
from matplotlib import pyplot as plt
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
X = np.array([[1, 1], [2, 1], [2.5, 1]])
s = np.array([20, 10000, 10000])
fig, ax = plt.subplots()
ax.scatter(X[:, 0], X[:, 1], s=s, cmap='plasma', c=s)
plt.show()

आउटपुट

Matplotlib में स्कैटर साइज को डेटा कोऑर्डिनेट्स में कैसे बदलें?


  1. Matplotlib में डेटा की सूची से हिस्टोग्राम कैसे बनाएं? Matplotlib में डेटा की सूची से हिस्टोग्राम कैसे बनाएं?

    Matplotlib में डेटा की सूची से हिस्टोग्राम बनाने के लिए, हम निम्नलिखित चरण अपना सकते हैं: डेटा की सूची बनाएं, यानी x डेटा पॉइंट्स x डेटा पॉइंट्स के साथ हिस्टोग्राम प्लॉट करें। फिगर डिस्प्ले करने के लिए show() मेथड का उपयोग करें। उदाहरण from matplotlib import pyplot as plt plt.rcParams[figur

  1. मैटप्लॉटलिब में हिस्टोग्राम डेटा से लाइन ग्राफ कैसे प्लॉट करें? मैटप्लॉटलिब में हिस्टोग्राम डेटा से लाइन ग्राफ कैसे प्लॉट करें?

    मैटप्लॉटलिब में हिस्टोग्राम डेटा से लाइन ग्राफ प्लॉट करने के लिए, हम डेटा के एक सेट का हिस्टोग्राम गणना करने के लिए नम्पाई हिस्टोग्राम मेथड का उपयोग करते हैं। चरण वर्तमान फिगर में एक सबप्लॉट जोड़ें, nrows=2, ncols=1 और index=1। डेटा के एक सेट का हिस्टोग्राम प्राप्त करने के लिए नम्पाई हिस्टोग्राम म

  1. पायथन का उपयोग करके Matplotlib से 3D स्कैटर प्लॉट कैसे बनाएं पायथन का उपयोग करके Matplotlib से 3D स्कैटर प्लॉट कैसे बनाएं

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय पायथन पैकेज है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या हो रहा है, यह समझने में मदद करता है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद करता