Hướng dẫn scatter plot large data set python - biểu đồ phân tán tập dữ liệu lớn python

Bắt đầu với xedges=np.linspace(-10,10,100) yedges=np.linspace(-10,10,100) zedges=np.linspace(-10,10,10) hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges)) xidx,yidx,zidx=np.where(hist>0) plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired) plt.show() 4

Trước khi bạn có thể bắt đầu làm việc với

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

$ python -m pip install matplotlib

Bây giờ bạn đã cài đặt matplotlib, hãy xem xét trường hợp sử dụng sau. Một quán cà phê bán sáu loại đồ uống cam đóng chai khác nhau. Chủ sở hữu muốn hiểu mối quan hệ giữa giá của đồ uống và số lượng mỗi người anh ta bán, vì vậy anh ta theo dõi số lượng mỗi chiếc đồ uống anh ta bán mỗi ngày. Bạn có thể hình dung mối quan hệ này như sau:

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter(price, sales_per_day)
plt.show()

Trong tập lệnh Python này, bạn nhập mô hình con

$ python -m pip install matplotlib

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

Cuối cùng, bạn tạo biểu đồ phân tán bằng cách sử dụng

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

$ python -m pip install matplotlib

Khi bạn sử dụng một môi trường tương tác, chẳng hạn như bảng điều khiển hoặc máy tính xách tay Jupyter, bạn không cần phải gọi

$ python -m pip install matplotlib

$ python -m pip install matplotlib

Ở đây, đầu ra từ mã này:

Cốt truyện này cho thấy, nói chung, một thức uống càng đắt tiền, càng ít mặt hàng được bán. Tuy nhiên, đồ uống có giá 4,02 đô la là một ngoại lệ, có thể cho thấy nó là một sản phẩm đặc biệt phổ biến. Khi sử dụng các sơ đồ phân tán theo cách này, kiểm tra chặt chẽ có thể giúp bạn khám phá mối quan hệ giữa các biến. Sau đó, bạn có thể thực hiện phân tích thêm, cho dù đó là sử dụng hồi quy tuyến tính hoặc các kỹ thuật khác.

So sánh xedges=np.linspace(-10,10,100) yedges=np.linspace(-10,10,100) zedges=np.linspace(-10,10,10) hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges)) xidx,yidx,zidx=np.where(hist>0) plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired) plt.show() 4 và $ python -m pip install matplotlib 7

Bạn cũng có thể tạo ra biểu đồ phân tán được hiển thị ở trên bằng cách sử dụng một chức năng khác trong

$ python -m pip install matplotlib

$ python -m pip install matplotlib

Bạn có thể đạt được biểu đồ phân tán tương tự như bản đồ bạn thu được trong phần trên với cuộc gọi sau đến

$ python -m pip install matplotlib

plt.plot(price, sales_per_day, "o")
plt.show()

Trong trường hợp này, bạn phải bao gồm đánh dấu

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter(price, sales_per_day)
plt.show()

$ python -m pip install matplotlib

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

Trong một số trường hợp, đối với âm mưu phân tán cơ bản mà bạn đang vẽ trong ví dụ này, sử dụng

$ python -m pip install matplotlib

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter(price, sales_per_day)
plt.show()

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

Hiệu suất sẽ thay đổi trên các máy tính khác nhau, nhưng khi bạn chạy mã này, bạn sẽ thấy rằng

$ python -m pip install matplotlib

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

$ python -m pip install matplotlib

Nếu bạn có thể tạo các sơ đồ phân tán bằng cách sử dụng

$ python -m pip install matplotlib

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

• Nếu bạn cần một biểu đồ phân tán cơ bản, hãy sử dụng

  $ python -m pip install matplotlib
  

  7, đặc biệt nếu bạn muốn ưu tiên hiệu suất.
• Nếu bạn muốn tùy chỉnh sơ đồ phân tán của mình bằng cách sử dụng các tính năng vẽ sơ đồ nâng cao hơn, hãy sử dụng

  xedges=np.linspace(-10,10,100)
  yedges=np.linspace(-10,10,100)
  zedges=np.linspace(-10,10,10)
  hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
  xidx,yidx,zidx=np.where(hist>0)
  plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
  plt.show()
  

  4.

Trong phần tiếp theo, bạn sẽ bắt đầu khám phá các cách sử dụng nâng cao hơn của

xedges=np.linspace(-10,10,100)
yedges=np.linspace(-10,10,100)
zedges=np.linspace(-10,10,10)
hist,edges=np.histogramdd((delta,vf,dS), (xedges,yedges,zedges))
xidx,yidx,zidx=np.where(hist>0)
plt.scatter(xedges[xidx],yedges[yidx],c=zedges[zidx],alpha=0.7,cmap=cm.Paired)
plt.show()

Thay đổi kích thước

Hãy để trở lại với chủ quán cà phê mà bạn đã gặp trước đó trong hướng dẫn này. Các loại đồ uống màu cam khác nhau mà anh ta bán đến từ các nhà cung cấp khác nhau và có tỷ suất lợi nhuận khác nhau. Bạn có thể hiển thị thông tin bổ sung này trong biểu đồ phân tán bằng cách điều chỉnh kích thước của điểm đánh dấu. Biên lợi nhuận được đưa ra dưới dạng phần trăm trong ví dụ này:

import matplotlib.pyplot as plt
import numpy as np

price = np.asarray([2.50, 1.23, 4.02, 3.25, 5.00, 4.40])
sales_per_day = np.asarray([34, 62, 49, 22, 13, 19])
profit_margin = np.asarray([20, 35, 40, 20, 27.5, 15])

plt.scatter(x=price, y=sales_per_day, s=profit_margin * 10)
plt.show()

Bạn có thể nhận thấy một vài thay đổi từ ví dụ đầu tiên. Thay vì danh sách, bạn hiện đang sử dụng các mảng numpy. Bạn có thể sử dụng bất kỳ cấu trúc dữ liệu giống như mảng nào cho dữ liệu và các mảng numpy thường được sử dụng trong các loại ứng dụng này vì chúng cho phép các hoạt động theo yếu tố được thực hiện hiệu quả. Mô -đun Numpy là một sự phụ thuộc của matplotlib, đó là lý do tại sao bạn không cần phải cài đặt nó theo cách thủ công.element-wise operations that are performed efficiently. The NumPy module is a dependency of Matplotlib, which is why you don’t need to install it manually.

Bạn cũng đã sử dụng các tham số được đặt tên làm đối số đầu vào trong lệnh gọi hàm. Các tham số

plt.plot(price, sales_per_day, "o")
plt.show()

plt.plot(price, sales_per_day, "o")
plt.show()

plt.plot(price, sales_per_day, "o")
plt.show()

plt.plot(price, sales_per_day, "o")
plt.show()

Tham số

plt.plot(price, sales_per_day, "o")
plt.show()

plt.plot(price, sales_per_day, "o")
plt.show()

Bạn có thể thấy biểu đồ phân tán được tạo bởi mã này bên dưới:

Kích thước của điểm đánh dấu cho thấy tỷ suất lợi nhuận cho mỗi sản phẩm. Hai loại đồ uống màu cam bán nhiều nhất cũng là những thứ có tỷ suất lợi nhuận cao nhất. Đây là tin tốt cho chủ quán cà phê!

Thay đổi màu sắc

Nhiều khách hàng của quán cà phê muốn đọc các nhãn một cách cẩn thận, đặc biệt là để tìm ra hàm lượng đường của đồ uống mà họ mua. Chủ quán cà phê muốn nhấn mạnh lựa chọn thực phẩm lành mạnh trong chiến dịch tiếp thị tiếp theo của mình, vì vậy anh ta phân loại đồ uống dựa trên hàm lượng đường của họ và sử dụng hệ thống đèn giao thông để biểu thị hàm lượng đường thấp, trung bình hoặc đường cao cho đồ uống.

Bạn có thể thêm màu sắc vào các điểm đánh dấu trong biểu đồ phân tán để hiển thị hàm lượng đường của mỗi đồ uống:

# ...

low = (0, 1, 0)
medium = (1, 1, 0)
high = (1, 0, 0)

sugar_content = [low, high, medium, medium, high, low]

plt.scatter(
    x=price,
    y=sales_per_day,
    s=profit_margin * 10,
    c=sugar_content,
)
plt.show()

Bạn xác định các biến

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

Sau đó, bạn đã xác định biến

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

Chủ quán cà phê đã quyết định loại bỏ đồ uống đắt nhất khỏi thực đơn vì điều này không bán được và có hàm lượng đường cao. Anh ta cũng có nên ngừng dự trữ đồ uống rẻ nhất để tăng thông tin sức khỏe của doanh nghiệp, mặc dù nó bán tốt và có tỷ suất lợi nhuận tốt?

Thay đổi hình dạng

Chủ quán cà phê đã thấy bài tập này rất hữu ích, và anh ta muốn điều tra một sản phẩm khác. Ngoài đồ uống màu cam, bây giờ bạn cũng sẽ vẽ dữ liệu tương tự cho phạm vi của các thanh ngũ cốc có sẵn trong quán cà phê:

import matplotlib.pyplot as plt
import numpy as np

low = (0, 1, 0)
medium = (1, 1, 0)
high = (1, 0, 0)

price_orange = np.asarray([2.50, 1.23, 4.02, 3.25, 5.00, 4.40])
sales_per_day_orange = np.asarray([34, 62, 49, 22, 13, 19])
profit_margin_orange = np.asarray([20, 35, 40, 20, 27.5, 15])
sugar_content_orange = [low, high, medium, medium, high, low]

price_cereal = np.asarray([1.50, 2.50, 1.15, 1.95])
sales_per_day_cereal = np.asarray([67, 34, 36, 12])
profit_margin_cereal = np.asarray([20, 42.5, 33.3, 18])
sugar_content_cereal = [low, high, medium, low]

plt.scatter(
    x=price_orange,
    y=sales_per_day_orange,
    s=profit_margin_orange * 10,
    c=sugar_content_orange,
)
plt.scatter(
    x=price_cereal,
    y=sales_per_day_cereal,
    s=profit_margin_cereal * 10,
    c=sugar_content_cereal,
)
plt.show()

Trong mã này, bạn tái cấu trúc các tên biến cần tính đến rằng bây giờ bạn có dữ liệu cho hai sản phẩm khác nhau. Sau đó, bạn vẽ cả hai sơ đồ phân tán trong một hình duy nhất. Điều này cho đầu ra sau:

Thật không may, bạn không còn có thể tìm ra điểm dữ liệu nào thuộc về đồ uống màu cam và với các thanh ngũ cốc. Bạn có thể thay đổi hình dạng của điểm đánh dấu cho một trong các sơ đồ phân tán:

import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
import random

fig = plt.figure()
fig.subplots_adjust(bottom=0.2)
ax = fig.add_subplot(111)

N=3*10**6
delta=np.random.normal(size=N)
vf=np.random.normal(size=N)
dS=np.random.normal(size=N)

idx=random.sample(range(N),1000)

plt.scatter(delta[idx],vf[idx],c=dS[idx],alpha=0.7,cmap=cm.Paired)
plt.show()

Bạn giữ hình dạng điểm đánh dấu mặc định cho dữ liệu đồ uống màu cam. Điểm đánh dấu mặc định là

import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

plt.scatter(price, sales_per_day)
plt.show()

import timeit
import matplotlib.pyplot as plt

price = [2.50, 1.23, 4.02, 3.25, 5.00, 4.40]
sales_per_day = [34, 62, 49, 22, 13, 19]

print(
    "plt.scatter()",
    timeit.timeit(
        "plt.scatter(price, sales_per_day)",
        number=1000,
        globals=globals(),
    ),
)
print(
    "plt.plot()",
    timeit.timeit(
        "plt.plot(price, sales_per_day, 'o')",
        number=1000,
        globals=globals(),
    ),
)

Bây giờ bạn có thể phân biệt các điểm dữ liệu cho đồ uống màu cam với các điểm cho các thanh ngũ cốc. Nhưng có một vấn đề với cốt truyện cuối cùng bạn tạo ra mà bạn sẽ khám phá trong phần tiếp theo.

Thay đổi tính minh bạch

Một trong những điểm dữ liệu cho đồ uống màu cam đã biến mất. Cần có sáu đồ uống màu cam, nhưng chỉ có thể nhìn thấy năm điểm đánh dấu trong hình. Một trong những điểm dữ liệu thanh ngũ cốc là ẩn một điểm dữ liệu đồ uống màu cam.

Bạn có thể khắc phục sự cố trực quan này bằng cách tạo các điểm dữ liệu trong suốt một phần bằng cách sử dụng giá trị alpha:

import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
import random

fig = plt.figure()
fig.subplots_adjust(bottom=0.2)
ax = fig.add_subplot(111)

N=3*10**6
delta=np.random.normal(size=N)
vf=np.random.normal(size=N)
dS=np.random.normal(size=N)

idx=random.sample(range(N),1000)

plt.scatter(delta[idx],vf[idx],c=dS[idx],alpha=0.7,cmap=cm.Paired)
plt.show()

Bạn đã đặt giá trị

import matplotlib.pyplot as plt
import numpy as np

price = np.asarray([2.50, 1.23, 4.02, 3.25, 5.00, 4.40])
sales_per_day = np.asarray([34, 62, 49, 22, 13, 19])
profit_margin = np.asarray([20, 35, 40, 20, 27.5, 15])

plt.scatter(x=price, y=sales_per_day, s=profit_margin * 10)
plt.show()

import matplotlib.pyplot as plt
import numpy as np

price = np.asarray([2.50, 1.23, 4.02, 3.25, 5.00, 4.40])
sales_per_day = np.asarray([34, 62, 49, 22, 13, 19])
profit_margin = np.asarray([20, 35, 40, 20, 27.5, 15])

plt.scatter(x=price, y=sales_per_day, s=profit_margin * 10)
plt.show()

Bạn cũng đã thêm một tiêu đề và các nhãn khác vào cốt truyện để hoàn thành con số với nhiều thông tin hơn về những gì mà được hiển thị.