Computer >> कंप्यूटर >  >> प्रोग्रामिंग >> Python

Python और Matplotlib का उपयोग करके 3D स्कैटर प्लॉट पर अल्फा मान को नियंत्रित करना

Python और Matplotlib का उपयोग करके 3D स्कैटर प्लॉट पर अल्फा मान को नियंत्रित करने के लिए, हम facecolor और edgecolors मान सेट कर सकते हैं।

  • आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें।
  • एक नया आंकड़ा बनाएं या आंकड़ा () . का उपयोग करके मौजूदा आंकड़े को सक्रिय करें विधि।
  • एक '~.axes.Axes' जोड़ें एक सबप्लॉट व्यवस्था के हिस्से के रूप में चित्र के लिए।
  • numpy का उपयोग करके x, y और z डेटा बिंदु बनाएं।
  • scatter() . का उपयोग करके x, y और z बिंदुओं को प्लॉट करें विधि।
  • चेहरे के रंग सेट करें और एजकलर।
  • आंकड़ा प्रदर्शित करने के लिए, दिखाएं () . का उपयोग करें विधि।

उदाहरण

pltplt.rcParams["figure.figsize"] =[7.50, 3.50]plt.rcParams["figure.autolayout"] =Truefig =plt.figure()ax =fig.add_subplot (प्रक्षेपण='3d')x =np.random.sample(20)y =np.random.sample(20)z =np.random.sample(20)s =ax.scatter(x, y, z, c ="r")s._set_facecolors, s._set_edgecolors =s.set_facecolors, s.set_edgecolorsplt.show()

आउटपुट

Python और Matplotlib का उपयोग करके 3D स्कैटर प्लॉट पर अल्फा मान को नियंत्रित करना


  1. Matplotlib का उपयोग करके प्लॉट पर ग्रिड के आकार को परिभाषित करें

    एक प्लॉट पर ग्रिड के आकार को परिभाषित करने के लिए, हम निम्नलिखित कदम उठा सकते हैं - figure() . का उपयोग करके एक नया आंकड़ा बनाएं या मौजूदा आंकड़ा सक्रिय करें विधि। सबप्लॉट व्यवस्था के एक भाग के रूप में आकृति में एक कुल्हाड़ी जोड़ें। एक इनपुट सूची के साथ एक वक्र प्लॉट करें। x और y मार्जिन

  1. पायथन में स्कैटर प्लॉट और कलर मैपिंग

    हम स्कैटर () पद्धति का उपयोग करके एक स्कैटर प्लॉट बना सकते हैं और हम प्रत्येक डेटा बिंदु के लिए रंग सेट कर सकते हैं। कदम np.random.rand() विधि का उपयोग करके किसी दिए गए आकार में यादृच्छिक मान (x और y के लिए) बनाएं। अलग-अलग मार्कर आकार और/या रंग के साथ *y* बनाम *x* का स्कैटर प्लॉट बनाएं, स्कैटर

  1. पायथन का उपयोग करके त्रि-आयामी स्कैटर प्लॉट बनाने के लिए Matplotlib का उपयोग कैसे किया जा सकता है?

    Matplotlib एक लोकप्रिय पायथन पैकेज है जिसका उपयोग डेटा विज़ुअलाइज़ेशन के लिए किया जाता है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह यह समझने में मदद करता है कि वास्तव में संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या चल रहा है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभ