Dispersão Matplotlib
Criando gráficos de dispersão
Com o Pyplot, você pode usar a scatter()função para desenhar um gráfico de dispersão.
A scatter()função traça um ponto para cada observação. Ele precisa de duas matrizes do mesmo comprimento, uma para os valores do eixo x e outra para os valores do eixo y:
Exemplo
Um gráfico de dispersão simples:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)
plt.show()
Resultado:
A observação no exemplo acima é o resultado de 13 carros passando.
O eixo X mostra a idade do carro.
O eixo Y mostra a velocidade do carro quando ele passa.
Há alguma relação entre as observações?
Parece que quanto mais novo o carro, mais rápido ele anda, mas isso pode ser uma coincidência, afinal só registramos 13 carros.
Comparar parcelas
No exemplo acima, parece haver uma relação entre velocidade e idade, mas e se plotarmos as observações de outro dia também? O gráfico de dispersão nos dirá mais alguma coisa?
Exemplo
Desenhe dois gráficos na mesma figura:
import matplotlib.pyplot as plt
import numpy as np
#day one, the age
and speed of 13 cars:
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x,
y)
#day two, the age and speed of 15 cars:
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)
plt.show()
Resultado:
Nota: Os dois gráficos são plotados com duas cores diferentes, por padrão azul e laranja, você aprenderá como alterar as cores mais adiante neste capítulo.
Ao comparar os dois gráficos, acho que é seguro dizer que ambos nos dão a mesma conclusão: quanto mais novo o carro, mais rápido ele dirige.
Cores
Você pode definir sua própria cor para cada gráfico de dispersão com
coloro argumento ou c
:
Exemplo
Defina sua própria cor dos marcadores:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x,
y, color = 'hotpink')
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')
plt.show()
Resultado:
Colorir cada ponto
Você pode até definir uma cor específica para cada ponto usando uma matriz de cores como valor para o
cargumento:
Nota: Você não pode usar o colorargumento para isso, apenas o cargumento.
Exemplo
Defina sua própria cor dos marcadores:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])
plt.scatter(x, y, c=colors)
plt.show()
Resultado:
Mapa de cores
O módulo Matplotlib tem vários mapas de cores disponíveis.
Um mapa de cores é como uma lista de cores, onde cada cor tem um valor que varia de 0 a 100.
Aqui está um exemplo de um mapa de cores:
Este mapa de cores é chamado de 'viridis' e, como você pode ver, varia de 0, que é uma cor roxa, e até 100, que é uma cor amarela.
Como usar o ColorMap
Você pode especificar o mapa de cores com o argumento de palavra-chave
cmapcom o valor do mapa de cores, neste caso, 'viridis'que é um dos mapas de cores integrados disponíveis no Matplotlib.
Além disso, você deve criar um array com valores (de 0 a 100), um valor para cada ponto no gráfico de dispersão:
Exemplo
Crie uma matriz de cores e especifique um mapa de cores no gráfico de dispersão:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0,
10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])
plt.scatter(x, y, c=colors, cmap='viridis')
plt.show()
Resultado:
Você pode incluir o mapa de cores no desenho incluindo a plt.colorbar()declaração:
Exemplo
Inclua o mapa de cores real:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0,
10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])
plt.scatter(x, y, c=colors, cmap='viridis')
plt.colorbar()
plt.show()
Resultado:
Mapas de cores disponíveis
Você pode escolher qualquer um dos mapas de cores integrados:
| Name | Reverse | |||
|---|---|---|---|---|
| Accent | Accent_r | |||
| Blues | Blues_r | |||
| BrBG | BrBG_r | |||
| BuGn | BuGn_r | |||
| BuPu | BuPu_r | |||
| CMRmap | CMRmap_r | |||
| Dark2 | Dark2_r | |||
| GnBu | GnBu_r | |||
| Greens | Greens_r | |||
| Greys | Greys_r | |||
| OrRd | OrRd_r | |||
| Oranges | Oranges_r | |||
| PRGn | PRGn_r | |||
| Paired | Paired_r | |||
| Pastel1 | Pastel1_r | |||
| Pastel2 | Pastel2_r | |||
| PiYG | PiYG_r | |||
| PuBu | PuBu_r | |||
| PuBuGn | PuBuGn_r | |||
| PuOr | PuOr_r | |||
| PuRd | PuRd_r | |||
| Purples | Purples_r | |||
| RdBu | RdBu_r | |||
| RdGy | RdGy_r | |||
| RdPu | RdPu_r | |||
| RdYlBu | RdYlBu_r | |||
| RdYlGn | RdYlGn_r | |||
| Reds | Reds_r | |||
| Set1 | Set1_r | |||
| Set2 | Set2_r | |||
| Set3 | Set3_r | |||
| Spectral | Spectral_r | |||
| Wistia | Wistia_r | |||
| YlGn | YlGn_r | |||
| YlGnBu | YlGnBu_r | |||
| YlOrBr | YlOrBr_r | |||
| YlOrRd | YlOrRd_r | |||
| afmhot | afmhot_r | |||
| autumn | autumn_r | |||
| binary | binary_r | |||
| bone | bone_r | |||
| brg | brg_r | |||
| bwr | bwr_r | |||
| cividis | cividis_r | |||
| cool | cool_r | |||
| coolwarm | coolwarm_r | |||
| copper | copper_r | |||
| cubehelix | cubehelix_r | |||
| flag | flag_r | |||
| gist_earth | gist_earth_r | |||
| gist_gray | gist_gray_r | |||
| gist_heat | gist_heat_r | |||
| gist_ncar | gist_ncar_r | |||
| gist_rainbow | gist_rainbow_r | |||
| gist_stern | gist_stern_r | |||
| gist_yarg | gist_yarg_r | |||
| gnuplot | gnuplot_r | |||
| gnuplot2 | gnuplot2_r | |||
| gray | gray_r | |||
| hot | hot_r | |||
| hsv | hsv_r | |||
| inferno | inferno_r | |||
| jet | jet_r | |||
| magma | magma_r | |||
| nipy_spectral | nipy_spectral_r | |||
| ocean | ocean_r | |||
| pink | pink_r | |||
| plasma | plasma_r | |||
| prism | prism_r | |||
| rainbow | rainbow_r | |||
| seismic | seismic_r | |||
| spring | spring_r | |||
| summer | summer_r | |||
| tab10 | tab10_r | |||
| tab20 | tab20_r | |||
| tab20b | tab20b_r | |||
| tab20c | tab20c_r | |||
| terrain | terrain_r | |||
| twilight | twilight_r | |||
| twilight_shifted | twilight_shifted_r | |||
| viridis | viridis_r | |||
| winter | winter_r |
Tamanho
Você pode alterar o tamanho dos pontos com o
sargumento.
Assim como as cores, certifique-se de que a matriz para tamanhos tenha o mesmo comprimento que as matrizes para os eixos x e y:
Exemplo
Defina seu próprio tamanho para os marcadores:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes =
np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])
plt.scatter(x,
y, s=sizes)
plt.show()
Resultado:
Alfa
Você pode ajustar a transparência dos pontos com o
alphaargumento.
Assim como as cores, certifique-se de que a matriz para tamanhos tenha o mesmo comprimento que as matrizes para os eixos x e y:
Exemplo
Defina seu próprio tamanho para os marcadores:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes =
np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])
plt.scatter(x,
y, s=sizes, alpha=0.5)
plt.show()
Resultado:
Combinar tamanho de cor e alfa
Você pode combinar um mapa de cores com diferentes tamanhos nos pontos. Isso é melhor visualizado se os pontos forem transparentes:
Exemplo
Crie matrizes aleatórias com 100 valores para pontos x, pontos y, cores e tamanhos:
import matplotlib.pyplot as plt
import numpy as np
x =
np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100,
size=(100))
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')
plt.colorbar()
plt.show()
Resultado:
