Matplotlib: Создание точечных диаграмм с согласованными размерами x и y

Что такое точечная диаграмма и когда ее использовать

Точечная диаграмма (scatter plot) — это тип графика, который использует точки для представления значений двух различных переменных. Положение каждой точки на графике определяется ее значениями по осям x и y. Точечные диаграммы особенно полезны для визуализации корреляций между переменными, выявления кластеров и выбросов в данных.

Саммари статьи

ChatGPT

Google AI

Grok

Perplexity

Используйте точечные диаграммы, когда:

• Необходимо изучить взаимосвязь между двумя переменными.
• Важно увидеть распределение данных и выявить закономерности.
• Нужно найти выбросы, которые могут повлиять на анализ.

Необходимость согласованного масштаба осей x и y

Согласованный масштаб осей x и y означает, что единицы измерения на обеих осях имеют одинаковую физическую длину. Когда масштаб осей не согласован, это может привести к искажению визуального восприятия данных. Например, круг может выглядеть как эллипс, а угол между линиями может быть представлен неправильно. Это особенно важно в областях, где важна геометрическая точность, таких как:

• Визуализация географических данных.
• Анализ форм и размеров объектов.
• Представление данных, где соотношение между x и y имеет содержательный смысл.

Краткий обзор библиотеки Matplotlib

Matplotlib — это мощная библиотека Python для создания статических, анимированных и интерактивных визуализаций. Она предоставляет широкий спектр инструментов для построения различных типов графиков, включая точечные диаграммы, линейные графики, гистограммы и многое другое. Matplotlib широко используется в научных вычислениях, анализе данных и машинном обучении.

Основы создания точечных диаграмм в Matplotlib

Импорт библиотеки Matplotlib

Начните с импорта модуля matplotlib.pyplot, который предоставляет интерфейс, похожий на MATLAB:

import matplotlib.pyplot as plt
from typing import List, Tuple

Создание простых точечных диаграмм с использованием scatter()

Функция plt.scatter() используется для создания точечных диаграмм. Ей передаются массивы значений x и y:

def create_simple_scatter(x: List[float], y: List[float]) -> None:
    """Создает простую точечную диаграмму."""
    plt.scatter(x, y)
    plt.show()

# Пример использования
x_values = [1, 2, 3, 4, 5]
y_values = [2, 4, 1, 3, 5]
create_simple_scatter(x_values, y_values)

Настройка меток осей, заголовка и легенды

Добавьте информативные метки осей и заголовок, чтобы сделать график понятным:

def customize_scatter(x: List[float], y: List[float], x_label: str, y_label: str, title: str) -> None:
    """Настраивает метки осей и заголовок точечной диаграммы."""
    plt.scatter(x, y)
    plt.xlabel(x_label)
    plt.ylabel(y_label)
    plt.title(title)
    plt.show()

# Пример использования
x_values = [1, 2, 3, 4, 5]
y_values = [2, 4, 1, 3, 5]
x_label = "Ось X"
y_label = "Ось Y"
title = "Точечная диаграмма"
customize_scatter(x_values, y_values, x_label, y_label, title)

Обеспечение согласованного масштаба осей x и y

Использование plt.axis('equal') для создания одинакового масштаба

Самый простой способ согласовать масштаб осей — использовать функцию plt.axis('equal'). Она устанавливает одинаковый масштаб для осей x и y, гарантируя, что единицы измерения имеют одинаковую длину:

def equal_axis_scatter(x: List[float], y: List[float]) -> None:
    """Создает точечную диаграмму с согласованным масштабом осей."""
    plt.scatter(x, y)
    plt.axis('equal')
    plt.show()

# Пример использования
x_values = [1, 2, 3, 4, 5]
y_values = [2, 4, 1, 3, 5]
equal_axis_scatter(x_values, y_values)

Применение ax.set_aspect('equal') для согласования масштаба осей

Если вы используете объектно-ориентированный подход Matplotlib (создание Figure и Axes явно), используйте ax.set_aspect('equal'):

import matplotlib.pyplot as plt
from typing import List

def equal_aspect_scatter(x: List[float], y: List[float]) -> None:
    """Создает точечную диаграмму с согласованным масштабом осей, используя объектно-ориентированный подход."""
    fig, ax = plt.subplots()
    ax.scatter(x, y)
    ax.set_aspect('equal')
    plt.show()

# Пример использования
x_values = [1, 2, 3, 4, 5]
y_values = [2, 4, 1, 3, 5]
equal_aspect_scatter(x_values, y_values)

Сравнение результатов: без согласованного масштаба и с ним

Для наглядности сравним графики с согласованным и несогласованным масштабом. Рассмотрим данные, представляющие круг:

import matplotlib.pyplot as plt
import numpy as np
from typing import List, Tuple

def compare_axis_scales() -> None:
    """Сравнивает точечные диаграммы с согласованным и несогласованным масштабом осей."""
    # Данные для круга
    radius = 5
    angle = np.linspace(0, 2 * np.pi, 100)
    x = radius * np.cos(angle)
    y = radius * np.sin(angle)

    # Создание двух подграфиков
    fig, axes = plt.subplots(1, 2, figsize=(10, 5))

    # Подграфик без согласованного масштаба
    axes[0].scatter(x, y)
    axes[0].set_title('Без согласованного масштаба')

    # Подграфик с согласованным масштабом
    axes[1].scatter(x, y)
    axes[1].axis('equal')
    axes[1].set_title('С согласованным масштабом')

    plt.show()

compare_axis_scales()

Вы увидите, что без plt.axis('equal') круг выглядит как эллипс.

Продвинутая настройка масштаба осей

Установка пределов осей с помощью plt.xlim() и plt.ylim()

Функции plt.xlim() и plt.ylim() позволяют установить минимальное и максимальное значения для осей x и y соответственно:

import matplotlib.pyplot as plt
from typing import List

def set_axis_limits(x: List[float], y: List[float], x_min: float, x_max: float, y_min: float, y_max: float) -> None:
    """Устанавливает пределы осей x и y."""
    plt.scatter(x, y)
    plt.xlim(x_min, x_max)
    plt.ylim(y_min, y_max)
    plt.show()

# Пример использования
x_values = [1, 2, 3, 4, 5]
y_values = [2, 4, 1, 3, 5]
x_min = 0
x_max = 6
y_min = 0
y_max = 6
set_axis_limits(x_values, y_values, x_min, x_max, y_min, y_max)

Автоматическая настройка пределов осей для сохранения пропорций

Matplotlib может автоматически настраивать пределы осей, чтобы сохранить пропорции, особенно полезно при использовании ax.set_aspect('equal').

Использование matplotlib.ticker для управления тиками и метками осей

Модуль matplotlib.ticker предоставляет инструменты для управления тиками (делениями) и метками осей. Это позволяет настроить отображение значений на осях, например, изменить формат чисел или интервал между тиками. Это особенно актуально, если необходимо отображать большие числа в сокращенной форме (например, тысячи или миллионы для данных в контексте интернет-маркетинга или контекстной рекламы).

Примеры использования согласованного масштаба осей на практике

Визуализация данных, где соотношение между x и y имеет значение (например, геометрические фигуры)

Как было показано выше, при визуализации кругов или других геометрических фигур крайне важно использовать согласованный масштаб осей.

Анализ кластеров и распределений данных

Согласованный масштаб осей помогает избежать искажения визуального восприятия расстояний между точками, что важно при анализе кластеров и распределений.

Сравнение точечных диаграмм с разным масштабом для выявления искажений

Всегда стоит сравнивать графики с разным масштабом, чтобы убедиться, что выбранный масштаб не вводит в заблуждение относительно истинной картины данных.

Устранение распространенных проблем и ошибок

Разрешение проблем с отображением, когда данные выходят за пределы установленного масштаба

Если часть данных не отображается из-за установленных пределов осей, необходимо либо расширить пределы, либо использовать другие методы визуализации (например, логарифмический масштаб).

Обработка ситуаций, когда необходимо отобразить данные с очень разными диапазонами значений

В таких случаях может быть полезен логарифмический масштаб или масштабирование данных.

Советы по отладке при возникновении неожиданных результатов

• Проверьте типы данных переменных x и y.
• Убедитесь, что данные не содержат NaN или бесконечных значений.
• Используйте print() для проверки значений переменных.

Дополнительные возможности Matplotlib для улучшения точечных диаграмм

Изменение цвета, размера и формы маркеров

Функция plt.scatter() позволяет настраивать цвет (c), размер (s) и форму (marker) маркеров.

Использование цветовых карт для отображения дополнительной информации

Цветовые карты (color maps) позволяют отображать дополнительную информацию, кодируя значения третьей переменной цветом маркеров. Например, можно визуализировать зависимость CTR от бюджета рекламной кампании в контекстной рекламе, где цвет точки соответствует значению конверсии (CR).

Добавление текста и аннотаций на диаграмму

Функции plt.text() и plt.annotate() позволяют добавлять текст и аннотации на диаграмму для выделения важных точек или пояснения закономерностей.

Заключение

Краткое повторение основных моментов

В этой статье мы рассмотрели, как создавать точечные диаграммы в Matplotlib и обеспечивать согласованный масштаб осей x и y. Мы узнали, почему это важно и как использовать plt.axis('equal') и ax.set_aspect('equal') для достижения этой цели.

Преимущества использования согласованного масштаба осей

Согласованный масштаб осей обеспечивает правильное визуальное восприятие данных, что особенно важно в областях, где важна геометрическая точность или необходимо сравнивать расстояния между точками.

Рекомендации по дальнейшему изучению Matplotlib

• Изучите документацию Matplotlib: https://matplotlib.org/
• Поэкспериментируйте с различными типами графиков и настройками.
• Попробуйте визуализировать свои собственные данные.