matplotlib一維散點分布圖的實現(xiàn)
引言
本次的目標是繪制數(shù)據(jù)的一維散點分布圖，應用場景是數(shù)據(jù)一維標簽的聚類可視化，假定我們擁有原始的帶標簽數(shù)據(jù) ( X , y ) (X,y) (X,y)其中 X X X為樣本特征矩陣， y y y為對應樣本的標簽（連續(xù)值），通過聚類算法得到了 X X X的偽分類標簽 y ^ , y ^ ∈ ( 1 , 2 , . . . , N ) \hat{y}, \hat{y}\in(1,2,...,N) y^?,y^?∈(1,2,...,N)，想要繪制出相同類別樣本在標簽值是否同樣是集中的。
值得注意的是，由于我們可能獲得多類樣本，因此僅僅使用一張圖來進行繪制可能會使得不同類別樣本的marker在圖上相互重疊，因此需要為每一類樣本單獨繪制一維散點分布圖，并在同一張畫布上顯示。
方法
為了顯示一維的單張散點分布圖，我們需要對matplotlib默認的二維畫布進行調(diào)整，將其余三條軸線都設置為不可見，只保留底部的軸線，進一步的，要把縱軸label的位置向圖左端移動（否則在橫軸包括負半軸時，label會出現(xiàn)在圖中央），實例代碼如下：
axs.spines['top'].set_visible(False)
axs.spines['right'].set_visible(False)
axs.spines['left'].set_visible(False)
axs.yaxis.set_ticks_position('left')
axs.set_xlim((-0.05,1.05))
axs.set_ylim((0,1))
axs.set_yticks([0],labels=['score'])
對于多張一維散點圖的繪制，只需要利用subplot函數(shù)，對子圖重復進行上述操作即可。整體代碼如下：
def score_distr(group,x_lim=(-0.1,1.1),y_lim=(-0.1,1.1)):
'''
可視化N個類別中每個樣本的y分布
:param group: List[np.ndarray], N類樣本標簽y組成的數(shù)組
:param x_lim: 橫坐標區(qū)間
:param y_lim: 縱坐標區(qū)間
:return:
'''
group_num=len(group)
color_map=["violet","tomato","cyan","salmon","limegreen"]
fig,axs=plt.subplots(group_num,1)
dem_labels=[]
for i in range(group_num):
axs[i].scatter(group[i],[0.05]*group[i].shape[0],label="class_"+str(i),c=color_map[i])
# axs[i].xlim(x_lim)
dem_labels.append("class_"+str(i))
axs[i].spines['top'].set_visible(False)
axs[i].spines['right'].set_visible(False)
axs[i].spines['left'].set_visible(False)
axs[i].yaxis.set_ticks_position('left')
axs[i].set_xlim(x_lim)
axs[i].set_ylim(y_lim)
axs[i].set_yticks([0],labels=['score'])
fig.legend(dem_labels,loc=(0.45,0.85))
測試結(jié)果
給出示例代碼及對應結(jié)果如下：
test=[]
for i in range(3):
test.append(np.random.rand(15))
score_distr(test,x_lim=(-1.05,1.05))
結(jié)果：
參考
到此這篇關(guān)于matplotlib一維散點分布圖的實現(xiàn)的文章就介紹到這了,更多相關(guān)matplotlib一維散點分布圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
pycocotools介紹以及在windows10下的安裝過程
這篇文章主要介紹了pycocotools介紹以及在windows10下的安裝過程，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
pandas根據(jù)指定條件篩選數(shù)據(jù)的實現(xiàn)示例
條件篩選是pandas中非常重要的一個功能,它允許我們根據(jù)特定條件來快速、高效地篩選數(shù)據(jù),本文主要介紹了pandas根據(jù)指定條件篩選數(shù)據(jù)的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2024-03-03
Python面向?qū)ο笾o態(tài)屬性、類方法與靜態(tài)方法分析
這篇文章主要介紹了Python面向?qū)ο笾o態(tài)屬性、類方法與靜態(tài)方法,結(jié)合實例形式分析了Python面向?qū)ο蟪绦蛟O計中靜態(tài)屬性、類方法及靜態(tài)方法相關(guān)概念、使用方法及操作注意事項,需要的朋友可以參考下2018-08-08
如何在python中實現(xiàn)capl語言里的回調(diào)函數(shù)(推薦)
CAPL是一種程序語言，其中程序塊的執(zhí)行由事件控制，主要介紹了如何在python中實現(xiàn)capl語言里的回調(diào)函數(shù)及事件函數(shù)的作用,需要的朋友可以參考下2022-08-08
Flask創(chuàng)建并運行數(shù)據(jù)庫遷移的實現(xiàn)過程
Flask創(chuàng)建并運行數(shù)據(jù)庫遷移的過程是一個涉及多個步驟的操作,旨在幫助開發(fā)者在開發(fā)過程中管理數(shù)據(jù)庫模式的變化,而不需要手動地刪除和重建數(shù)據(jù)庫表,從而避免數(shù)據(jù)丟失,以下是一個詳細的步驟說明,需要的朋友可以參考下2024-09-09
Python制作數(shù)據(jù)預測集成工具（值得收藏）
這篇文章主要介紹了Python如何制作數(shù)據(jù)預測集成工具，幫助大家進行大數(shù)據(jù)預測，感興趣的朋友可以了解下2020-08-08
Python連接HDFS實現(xiàn)文件上傳下載及Pandas轉(zhuǎn)換文本文件到CSV操作
這篇文章主要介紹了Python連接HDFS實現(xiàn)文件上傳下載及Pandas轉(zhuǎn)換文本文件到CSV操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Django網(wǎng)絡框架之創(chuàng)建虛擬開發(fā)環(huán)境操作示例
這篇文章主要介紹了Django網(wǎng)絡框架之創(chuàng)建虛擬開發(fā)環(huán)境操作,簡單描述了虛擬開發(fā)環(huán)境的概念、功能,并分析了使用venv與virtualenv安裝虛擬環(huán)境相關(guān)操作技巧,需要的朋友可以參考下2019-06-06
django多對多表的創(chuàng)建，級聯(lián)刪除及手動創(chuàng)建第三張表
這篇文章主要介紹了django多對多表的創(chuàng)建，級聯(lián)刪除及手動創(chuàng)建第三張表,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-07-07
TensorFlow keras卷積神經(jīng)網(wǎng)絡 添加L2正則化方式
這篇文章主要介紹了TensorFlow keras卷積神經(jīng)網(wǎng)絡 添加L2正則化方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05