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

Python के Matplotlib का उपयोग करके स्कैटर प्लॉट में रेखा जोड़ना

Python के Matplotlib का उपयोग करके स्कैटर प्लॉट में रेखा जोड़ने के लिए, हम निम्नलिखित चरण ले सकते हैं:

    <ली>फिगर आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें। <ली>डेटा बिंदुओं की संख्या के लिए एक चर, n, आरंभ करें। <ली>scatter() मेथड का उपयोग करके x और y डेटा बिंदु प्लॉट करें। <ली>plot() मेथड का उपयोग करके एक रेखा प्लॉट करें। <ली>xlim() मेथड का उपयोग करके X-अक्ष सीमित करें। <ली>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

n = 100
x = np.random.rand(n)
y = np.random.rand(n)

plt.scatter(x, y, c=x)
plt.plot([0.1, 0.4, 0.3, 0.2])
plt.xlim(0, 1)
plt.show()

आउटपुट

Python के Matplotlib का उपयोग करके स्कैटर प्लॉट में रेखा जोड़ना

  1. Python के Pandas में डेटाफ्रेम से Matplotlib स्कैटर प्लॉट बनाना Python के Pandas में डेटाफ्रेम से Matplotlib स्कैटर प्लॉट बनाना

    Pandas का उपयोग करके, हम एक डेटाफ्रेम बना सकते हैं और subplot() मेथड का उपयोग करके चित्र और अक्ष वेरिएबल बना सकते हैं। उसके बाद, हम आवश्यक प्लॉट प्राप्त करने के लिए ax.scatter() मेथड का उपयोग कर सकते हैं। चरण छात्रों की संख्या की सूची बनाएं। छात्रों द्वारा प्राप्त अंकों की सूची बनाएं। प्रत्येक स्क

  1. Python में स्कैटर प्लॉट और कलर मैपिंग Python में स्कैटर प्लॉट और कलर मैपिंग

    हम scatter() मेथड का उपयोग करके स्कैटर प्लॉट बना सकते हैं और हम प्रत्येक डेटा बिंदु के लिए रंग सेट कर सकते हैं। चरण np.random.rand() मेथड का उपयोग करके दिए गए आकार में रैंडम मान (x और y के लिए) बनाएं। scatter मेथड का उपयोग करके *y* बनाम *x* का स्कैटर प्लॉट बनाएं जहां रंग रेंज (0, 1000) में होगी। p

  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