# -*- coding: utf-8 -*-
#导入模块
from matplotlib import pyplot as plt
import numpy as np
import pprint
from math import pi,sin
A1=np.array([0,0])
B1=np.array(([2,0],[0,2]))
#以 A1为均值，B1为协方差矩阵，生成正态分布的随机数 每次生成不一样
C1=np.random.multivariate_normal(A1,B1,200)
C2=np.random.multivariate_normal(A1+0.2,B1+0.2,200)
#画布的大小为长8cm高6cm
plt.figure(figsize=(8,6))
#绘图,参数s:点的大小，marker:点的形状 alpha:点的亮度，label:标签
plt.scatter(C1[:,0],C1[:,1],s=30,color='red',marker='o',alpha=0.5,label='C1') #[:,0]每列第一个 [:,1]每列第二个
plt.scatter(C2[:,0],C2[:,1],s=30,color='blue',marker='x',alpha=0.5,label='C2')
#图注部分
plt.title('basic scatter plot ')
plt.xlabel('variables x')
plt.ylabel('variables y')
plt.legend(loc='upper right') #这个必须有
plt.show() #打印展示
image.png
# -*- coding: utf-8 -*-
#导入模块
from matplotlib import pyplot as plt
import numpy as np
x_coords = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y_coords = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]
fig = plt.figure(figsize=(8,6)) #设置画布大小
plt.scatter(x_coords, y_coords, marker='s', s=50)
for x, y in zip(x_coords, y_coords): #接受x,y返回元祖列表[(0.13,0.75),......]
plt.annotate('(%s, %s)' %(x, y),xy=(x, y),xytext=(0,-10),textcoords='offset points',ha='center',va='top')
# pyplot.annatate是pyplot模块提供的一个注释函数,xy为点的坐标 xytext为注解内容位置坐标
plt.xlim([0,1]) #设置绘图X边界
plt.ylim([0,1]) #设置绘图Y边界
plt.show()
image.png
# -*- coding: utf-8 -*-
#导入模块
from matplotlib import pyplot as plt
import numpy as np
fig = plt.figure(figsize=(8,6))
mean = np.array([0,0]) #给定均值
covariance = np.array([[1,0],[0,1]]) #协方差
x = np.random.multivariate_normal(mean,covariance, 1000) # 生成多元正态分布随机向量,数字表散点数量
plt.grid(True) #网格线挂起
R = x**2 #这里很关键 制造s差异 离原点越远越大
R_sum = R.sum(axis=1) #axis=0的时候，其实是沿着第一个(水平X)轴进行相加；axis=1的时候是按照第二个(Y)轴,由于是平方和 不管正向还是负向都变大
plt.scatter(x[:, 0], x[:, 1],color='gray',marker='o',s=32. * R_sum,edgecolor='black',alpha=0.5)
plt.show()
image.png
