目录
在画图的时候加上颜色标尺可以非常方便看出数据的动态变化。以下是几个使用Python中常见的数据可视化库(Matplotlib和Seaborn)创建带有颜色标尺的图表的示例:
带有颜色标尺的散点图
python
import matplotlib.pyplot as plt
import numpy as np
# 创建一组随机数据
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50) # 随机颜色
# 创建散点图,颜色标尺表示数值
plt.scatter(x, y, c=colors, cmap='viridis', s=100)
plt.colorbar(label='Color Intensity')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot with Color Scale')
plt.show()
示例图:
带有颜色标尺的热图
显示具体数值
python
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
# 创建一个随机矩阵作为数据
data = np.random.rand(10, 10)
# 绘制热图,颜色标尺表示数值
sns.heatmap(data, cmap='coolwarm', annot=True, cbar=True)
plt.title('Heatmap with Color Scale')
plt.show()
示例图:
不显示具体数值
如上图所示显示所有的数值会显得图非常繁杂,如果想要隐藏具体的数值只需要改变一个参数即可,即annot=False
,但是整体显示出来的效果会很不一样。
python
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
# 创建一个随机矩阵作为数据
data = np.random.rand(10, 10)
# 绘制热图,不显示具体数值
sns.heatmap(data, cmap='coolwarm', annot=False, cbar=True)
plt.title('Heatmap with Color Scale (Without Annotations)')
plt.show()
示例图:
带有颜色标尺的轮廓图
python
import matplotlib.pyplot as plt
import numpy as np
# 创建一个包含等高线数据的网格
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))
# 绘制轮廓图,颜色标尺表示高度
contour = plt.contourf(X, Y, Z, cmap='viridis')
plt.colorbar(contour, label='Height')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Contour Plot with Color Scale')
plt.show()
示例图: