如何在 Matplotlib 中调整标记大小？

---

简介

在图表中，标记是一个表示单个数据点的符号。可以更改的属性包括大小、颜色和形状等等。标记通常与其他绘图方法一起使用，以提高数据的可读性和理解性。

Matplotlib 提供了各种标记形状，包括圆形、正方形、三角形、菱形等等。可以更改标记大小来突出重要细节或创建更美观的图表。本文将通过 Python 代码示例，向您展示如何在 Matplotlib 中更改标记大小。

语法

在 Matplotlib 中调整标记大小的语法如下：

plt.scatter(x_values, y_values, s=marker_size)

这里的“s”参数指定标记大小。

算法

在 Matplotlib 中更改标记大小的一般步骤如下：

• 导入所需的库。

• 设置 x 和 y 值。

• 使用 s 参数选择所需的标记大小。

• 使用 plt.scatter() 函数绘制数据。

示例

import matplotlib.pyplot as plt
import numpy as np

# Set x and y values
x = np.array([1, 2, 3, 4, 5])
y = np.array([6, 7, 8, 9, 10])

# Set marker size
marker_size = 50

# Plot the data
plt.scatter(x, y, s=marker_size)

# Show the plot
plt.show()

• 通过向 **scatter()** 函数的 **"s"** 参数提供值，可以更改标记大小。s 参数部分决定了图表中标记的大小。

• 要为图表中的所有点设置恒定的标记大小，可以将 s 设置为单个数字。或者，通过向 s 提供值数组，为图表中的每个点定义标记大小。

• 可以使用 **scatter()** 函数的 **c 参数**来更改 Matplotlib 中标记的颜色。

• 例如，要为图表中的所有点设置一致的标记颜色，可以向 c 传递单个颜色。或者，可以使用颜色数组让 c 为图表中的每个点设置标记颜色。

• 例如，可以使用代码 **plt.scatter(x, y, c='b', s=标记大小)** 将标记颜色设置为蓝色，其中 'b' 代表蓝色。

概念详解及示例

在 Matplotlib 中，标记用于标识特定的绘图点。标记大小由 plt.scatter() 函数中的 s 参数指定。

只需更改 s 参数的值即可增加或减小标记大小。例如，如果 s=50，则标记大小将设置为 50。

您还可以根据数据更改标记的大小。例如，通过向 s 参数提供一个大小数组，您可以创建一个散点图，其中标记大小与第三个变量相关。

下面示例中的 sizes 数组对应于标记的大小。第一个点的大小为 20 像素，第二个点的大小为 40 像素，以此类推。

import matplotlib.pyplot as plt
import numpy as np

# Define x, y, and size values
x = np.array([1, 2, 3, 4, 5])
y = np.array([6, 7, 8, 9, 10])
sizes = np.array([20, 40, 60, 80, 100])

# Plot the data with varying marker sizes
plt.scatter(x, y, s=sizes)

# Show the plot
plt.show()

在哪里有用？

更改标记大小适用于以下现实世界的用例：

金融数据分析

散点图常用于金融数据分析，以比较不同股票随时间的价值。根据交易量或市值更改标记的大小，可以创建更详细、更美观的图表。例如，可以使用较大的标记来表示交易量或市值较高的股票，而可以使用较小的标记来表示交易量或市值较低的股票。

医学研究

在医学研究中，散点图常用于表示试验结果，其中 x 轴和 y 轴表示不同的参数，例如药物剂量及其对患者病情的影响。根据样本量或数据的重要性更改标记的大小，可以创建更具教育意义和美观的图表。例如，可以使用较大的标记来表示样本量较大或结果更重要的研究，而可以使用较小的标记来表示样本量较小或结果不太重要的实验。

结论

调整 Matplotlib 中的标记大小是一个简单但有用的功能，可以帮助增强数据的视觉呈现。通过使用 plt.scatter() 函数中的 s 参数，可以轻松调整标记的大小。还可以根据第三个变量改变标记大小，以创建更复杂和信息丰富的图表。有了这些知识，您将能够使用 Matplotlib 创建精美且信息丰富的数据可视化。