当前位置：首页 > news >正文

使用Matplotlib绘制极轴散点图

news 2025/7/27 19:46:21

散点图对于理解数据可视化中变量之间的相互作用至关重要。虽然散点图经常在笛卡尔坐标中创建，但我们也可以使用Matplotlib在极轴上创建散点图。有了这个功能，人们可以以创新的方式查看圆形或角形数据，例如周期性趋势或定向模式。在本文中，我们将介绍在Python中使用Matplotlib在极轴上绘制散点图的概念，包括如何创建它们，可视化它们和自定义它们。

极轴上的散点图

极坐标通过它们与参考点（原点）的距离以及与参考轴（通常为正x轴）形成的角度来表示平面中的点，与笛卡尔坐标相反，笛卡尔坐标使用x和y轴。

让我们考虑一个简单的例子，其中我们有一个包含方向数据的数据集，例如不同时间的风向。我们希望在极坐标图上将这些数据可视化为散点。

在极轴上可视化散点图

import matplotlib.pyplot as plt
import numpy as np# Generating sample data
theta = np.linspace(0, 2*np.pi, 100)
r = np.random.rand(100) # Random radius values
colors = np.random.rand(100) # Random colors# Creating the polar scatter plot
plt.figure(figsize=(8, 8))
ax = plt.subplot(111, polar=True)
ax.scatter(theta, r, c=colors, s=100, cmap='hsv', alpha=0.75)plt.title('Scatter Plot on Polar Axis', fontsize=15)
plt.show()

这段代码使用np.linspace创建了一个由100个等距角度组成的数组，这些角度在0到2π之间（整圆）。
这些角度表示极轴上数据点的位置。
r使用np.random.rand生成一个0到1之间的100个随机数的数组，表示数据点沿径向轴距原点的距离。

在这里插入图片描述
数据点围绕极轴相当均匀地分散。θ值对应于点的角度，r值对应于点到原点的距离。距离原点较近的点用蓝色表示，而距离原点较远的点用红色表示。

极轴上的散点图，偏移原点

# Create the polar scatter plot with offset origin
plt.figure(figsize=(8, 8))
ax = plt.subplot(111, polar=True, theta_offset=np.pi/4)  # Offset origin by pi/4
ax.scatter(theta, r, c=colors, s=100, cmap='hsv', alpha=0.75)plt.title('Scatter Plot on Polar Axis with Offset Origin', fontsize=15)
plt.show()

极轴上的散点图以圆形方式显示数据点。
偏移原点np.pi/4会移动绘图的起点，从而提供不同的参考。

在这里插入图片描述
使用极坐标绘制数据，其中每个点由角度（theta）和半径（r）表示。

图的原点偏移π/4弧度，这意味着零角度位于极轴上的45度标记处。
数据点由不同大小的彩色圆圈表示。
每个点的颜色由其色调、饱和度和值（HSV颜色模型）确定。
每个点的大小设置为100，透明度设置为0.75。

极轴上局限于扇形的散点图

# Create the polar scatter plot confined to a sector
plt.figure(figsize=(8, 8))
ax = plt.subplot(111, polar=True)
ax.scatter(theta, r, c=colors, s=100, cmap='hsv', alpha=0.75)# Confine scatter plot to a sector
ax.set_thetamin(45) # Minimum theta angle
ax.set_thetamax(135) # Maximum theta angleplt.title('Scatter Plot on Polar Axis Confined to a Sector', fontsize=15)
plt.show()