पायथन ट्यूटोरियल

अजगर घर पायथन परिचय पायथन आरंभ करें पायथन सिंटेक्स पायथन टिप्पणियाँ पायथन वेरिएबल्स पायथन डेटा प्रकार अजगर संख्या पायथन कास्टिंग पायथन स्ट्रिंग्स पायथन बूलियन्स पायथन ऑपरेटर्स पायथन सूचियाँ पायथन टुपल्स पायथन सेट पायथन डिक्शनरी अजगर अगर... और पाइथन जबकि लूप्स लूप्स के लिए पायथन पायथन कार्य अजगर लैम्ब्डा पायथन एरेज़ पायथन क्लासेस/ऑब्जेक्ट्स पायथन इनहेरिटेंस पायथन इटरेटर्स पायथन स्कोप पायथन मॉड्यूल अजगर तिथियाँ पायथन मठ पायथन JSON पायथन रेगेक्स पायथन पीआईपी अजगर का प्रयास करें... को छोड़कर पायथन उपयोगकर्ता इनपुट पायथन स्ट्रिंग स्वरूपण

फ़ाइल रखरखाव

पायथन फ़ाइल हैंडलिंग पायथन फ़ाइलें पढ़ें पायथन लिखें/फाइलें बनाएं पायथन फ़ाइलें हटाएं

पायथन मॉड्यूल

न्यूमपी ट्यूटोरियल पांडा वॉकथ्रू स्काइप ट्यूटोरियल

पायथन माटप्लोटलिब

माटप्लोटलिब परिचय माटप्लोटलिब आरंभ करें माटप्लोटलिब पाइप्लॉट माटप्लोटलिब प्लॉटिंग माटप्लोटलिब मार्कर माटप्लोटलिब लाइन माटप्लोटलिब लेबल माटप्लोटलिब ग्रिड माटप्लोटलिब सबप्लॉट्स माटप्लोटलिब स्कैटर माटप्लोटलिब बार्स माटप्लोटलिब हिस्टोग्राम Matplotlib पाई चार्ट

यंत्र अधिगम

शुरू करना मध्यमान मध्यम मोड मानक विचलन प्रतिशतता डेटा वितरण सामान्य डेटा वितरण स्कैटर प्लॉट रेखीय प्रतिगमन बहुपद प्रतिगमन बहु - प्रतिगमन स्केल ट्रेन / टेस्ट निर्णय वृक्ष

पायथन मायएसक्यूएल

MySQL प्रारंभ करें MySQL डेटाबेस बनाएँ MySQL तालिका बनाएँ MySQL सम्मिलित करें MySQL चुनें MySQL कहाँ MySQL ऑर्डर बाय MySQL हटाएं MySQL ड्रॉप टेबल MySQL अद्यतन MySQL सीमा मायएसक्यूएल जॉइन

पायथन मोंगोडीबी

मोंगोडीबी आरंभ करें MongoDB डेटाबेस बनाएँ MongoDB संग्रह बनाएँ मोंगोडीबी डालें मोंगोडीबी खोजें मोंगोडीबी क्वेरी मोंगोडीबी सॉर्ट मोंगोडीबी हटाएं MongoDB ड्रॉप संग्रह मोंगोडीबी अपडेट मोंगोडीबी सीमा

पायथन संदर्भ

पायथन अवलोकन पायथन बिल्ट-इन फंक्शन्स पायथन स्ट्रिंग तरीके पायथन सूची के तरीके पायथन डिक्शनरी के तरीके पायथन टुपल तरीके पायथन सेट मेथड्स पायथन फ़ाइल तरीके पायथन कीवर्ड पायथन अपवाद पायथन शब्दावली

मॉड्यूल संदर्भ

यादृच्छिक मॉड्यूल अनुरोध मॉड्यूल सांख्यिकी मॉड्यूल गणित मॉड्यूल सीमैथ मॉड्यूल

पायथन कैसे करें

सूची डुप्लिकेट निकालें एक स्ट्रिंग को उल्टा करें दो नंबर जोड़ें

पायथन उदाहरण

पायथन उदाहरण पायथन कंपाइलर अजगर व्यायाम अजगर प्रश्नोत्तरी पायथन प्रमाणपत्र

माटप्लोटलिब स्कैटर


स्कैटर प्लॉट बनाना

पाइप्लॉट के साथ, आप scatter()स्कैटर प्लॉट को ड्रा करने के लिए फ़ंक्शन का उपयोग कर सकते हैं।

scatter()फ़ंक्शन प्रत्येक अवलोकन के लिए एक बिंदु प्लॉट करता है इसे समान लंबाई के दो सरणियों की आवश्यकता होती है, एक x-अक्ष के मानों के लिए, और एक y-अक्ष पर मानों के लिए:

उदाहरण

एक साधारण तितर बितर साजिश:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])

plt.scatter(x, y)
plt.show()

परिणाम:

ऊपर के उदाहरण में अवलोकन 13 कारों के गुजरने का परिणाम है।

एक्स-अक्ष दिखाता है कि कार कितनी पुरानी है।

Y-अक्ष कार के गुजरने पर उसकी गति दिखाता है।

क्या अवलोकनों के बीच कोई संबंध हैं?

ऐसा लगता है कि कार जितनी नई होगी, उतनी ही तेज चलेगी, लेकिन यह एक संयोग हो सकता है, आखिरकार हमने केवल 13 कारों का पंजीकरण किया।


भूखंडों की तुलना करें

ऊपर के उदाहरण में, गति और उम्र के बीच एक संबंध प्रतीत होता है, लेकिन क्या होगा यदि हम अवलोकनों को किसी अन्य दिन से भी प्लॉट करें? क्या बिखराव की साजिश हमें कुछ और बताएगी?

उदाहरण

एक ही आकृति पर दो प्लॉट बनाएं:

import matplotlib.pyplot as plt
import numpy as np

#day one, the age and speed of 13 cars:
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)

#day two, the age and speed of 15 cars:
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)

plt.show()

परिणाम:

नोट: दो प्लॉट दो अलग-अलग रंगों के साथ प्लॉट किए गए हैं, डिफ़ॉल्ट रूप से नीला और नारंगी, आप इस अध्याय में बाद में रंग बदलना सीखेंगे।

दो भूखंडों की तुलना करके, मुझे लगता है कि यह कहना सुरक्षित है कि वे दोनों हमें एक ही निष्कर्ष देते हैं: कार जितनी नई होगी, उतनी ही तेज चलेगी।



रंग की

colorआप या c तर्क के साथ प्रत्येक स्कैटर प्लॉट के लिए अपना स्वयं का रंग सेट कर सकते हैं :

उदाहरण

मार्करों का अपना रंग सेट करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

परिणाम:


प्रत्येक बिंदु को रंग दें

cआप तर्क के लिए मान के रूप में रंगों की एक सरणी का उपयोग करके प्रत्येक बिंदु के लिए एक विशिष्ट रंग भी सेट कर सकते हैं :

नोट: आप इसके लिए तर्क का उपयोग नहीं कर सकतेcolor , केवल cतर्क का।

उदाहरण

मार्करों का अपना रंग सेट करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)

plt.show()

परिणाम:


रंग मैप

Matplotlib मॉड्यूल में कई उपलब्ध कॉलोरमैप हैं।

एक कॉलोरमैप रंगों की एक सूची की तरह होता है, जहां प्रत्येक रंग का मान 0 से 100 तक होता है।

यहाँ एक रंगरूप का एक उदाहरण है:

इस कॉलोरमैप को 'विरिडिस' कहा जाता है और जैसा कि आप देख सकते हैं कि यह 0 से लेकर है, जो एक बैंगनी रंग है, और 100 तक है, जो एक पीला रंग है।

ColorMap का उपयोग कैसे करें

आप कोलोरमैप के मान के साथ कीवर्ड तर्क के साथ कॉलोर्मैप निर्दिष्ट कर सकते हैं cmap, इस मामले में 'viridis'जो मैटलपोटलिब में उपलब्ध बिल्ट-इन कॉलोरमैप्स में से एक है।

इसके अलावा आपको मानों (0 से 100 तक) के साथ एक सरणी बनानी होगी, स्कैटर प्लॉट में प्रत्येक बिंदु के लिए एक मान:

उदाहरण

एक रंग सरणी बनाएं, और स्कैटर प्लॉट में एक कॉलॉर्मैप निर्दिष्ट करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.show()

परिणाम:

plt.colorbar()आप कथन को शामिल करके चित्र में रंगरूप को शामिल कर सकते हैं :

उदाहरण

वास्तविक रंगरूप शामिल करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.colorbar()

plt.show()

परिणाम:

उपलब्ध कलरमैप्स

आप किसी भी बिल्ट-इन कॉलोरमैप्स को चुन सकते हैं:

Name   Reverse
Accent   Accent_r
Blues   Blues_r
BrBG   BrBG_r
BuGn   BuGn_r
BuPu   BuPu_r
CMRmap   CMRmap_r
Dark2   Dark2_r
GnBu   GnBu_r
Greens   Greens_r
Greys   Greys_r
OrRd   OrRd_r
Oranges   Oranges_r
PRGn   PRGn_r
Paired   Paired_r
Pastel1   Pastel1_r
Pastel2   Pastel2_r
PiYG   PiYG_r
PuBu   PuBu_r
PuBuGn   PuBuGn_r
PuOr   PuOr_r
PuRd   PuRd_r
Purples   Purples_r
RdBu   RdBu_r
RdGy   RdGy_r
RdPu   RdPu_r
RdYlBu   RdYlBu_r
RdYlGn   RdYlGn_r
Reds   Reds_r
Set1   Set1_r
Set2   Set2_r
Set3   Set3_r
Spectral   Spectral_r
Wistia   Wistia_r
YlGn   YlGn_r
YlGnBu   YlGnBu_r
YlOrBr   YlOrBr_r
YlOrRd   YlOrRd_r
afmhot   afmhot_r
autumn   autumn_r
binary   binary_r
bone   bone_r
brg   brg_r
bwr   bwr_r
cividis   cividis_r
cool   cool_r
coolwarm   coolwarm_r
copper   copper_r
cubehelix   cubehelix_r
flag   flag_r
gist_earth   gist_earth_r
gist_gray   gist_gray_r
gist_heat   gist_heat_r
gist_ncar   gist_ncar_r
gist_rainbow   gist_rainbow_r
gist_stern   gist_stern_r
gist_yarg   gist_yarg_r
gnuplot   gnuplot_r
gnuplot2   gnuplot2_r
gray   gray_r
hot   hot_r
hsv   hsv_r
inferno   inferno_r
jet   jet_r
magma   magma_r
nipy_spectral   nipy_spectral_r
ocean   ocean_r
pink   pink_r
plasma   plasma_r
prism   prism_r
rainbow   rainbow_r
seismic   seismic_r
spring   spring_r
summer   summer_r
tab10   tab10_r
tab20   tab20_r
tab20b   tab20b_r
tab20c   tab20c_r
terrain   terrain_r
twilight   twilight_r
twilight_shifted   twilight_shifted_r
viridis   viridis_r
winter   winter_r

आकार

sआप तर्क के साथ बिंदुओं का आकार बदल सकते हैं ।

रंगों की तरह, सुनिश्चित करें कि आकार के लिए सरणी की लंबाई x- और y-अक्ष के लिए सरणी के समान है:

उदाहरण

मार्करों के लिए अपना खुद का आकार निर्धारित करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes)

plt.show()

परिणाम:


अल्फा

alphaआप तर्क के साथ बिंदुओं की पारदर्शिता को समायोजित कर सकते हैं।

रंगों की तरह, सुनिश्चित करें कि आकार के लिए सरणी की लंबाई x- और y-अक्ष के लिए सरणी के समान है:

उदाहरण

मार्करों के लिए अपना खुद का आकार निर्धारित करें:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes, alpha=0.5)

plt.show()

परिणाम:


रंग आकार और अल्फा को मिलाएं

आप डॉट्स पर विभिन्न आकारों के साथ एक कॉलोरमैप को जोड़ सकते हैं। यदि बिंदु पारदर्शी हों तो यह सबसे अच्छा देखा जाता है:

उदाहरण

x-बिंदुओं, y-बिंदुओं, रंगों और आकारों के लिए 100 मानों के साथ यादृच्छिक सरणियाँ बनाएँ:

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')

plt.colorbar()

plt.show()

परिणाम: