Spreidingsdiagram
Een spreidingsdiagram is een type diagram dat de relatie tussen twee variabelen (x en y) weergeeft met behulp van stippen of andere markeringen.
Spreidingsdiagrammen behoren tot de eenvoudigste hulpmiddelen om visueel te onderzoeken of er een correlatie bestaat tussen twee variabelen. Hoewel het niet de meest nauwkeurige methode is, bieden ze vaak snel nuttig inzicht.
Het lijkt op een lijndiagram, met als verschil dat er geen lijnen zijn, alleen markeringen. Om een spreidingsdiagram te maken, gebruik je de scatter() functie van pyplot, waarbij je eerst de waarden voor de x-as en daarna de waarden voor de y-as doorgeeft. Bekijk het volgende voorbeeld:
1234567import matplotlib.pyplot as plt import numpy as np x = np.array([6, 1, 8, 20, 13, 4, 16, 5, 11, 10]) y = 2 * x + 5 # Creating a scatter plot plt.scatter(x, y) plt.show()
De syntaxis van de functie scatter() lijkt op die van plot(). In tegenstelling tot plot() moet je echter altijd waarden opgeven voor zowel de x- als de y-parameters.
In dit voorbeeld wordt y berekend met de formule y = 2x + 5. De scatterplot toont een positieve lineaire relatie — naarmate x groter wordt, neemt y ook toe, en omgekeerd.
Het is ook mogelijk om andere markers dan stippen te gebruiken en hun grootte in te stellen met respectievelijk de parameters marker en s:
1234567import matplotlib.pyplot as plt import numpy as np x = np.array([6, 1, 8, 20, 13, 4, 16, 5, 11, 10]) y = 2 * x + 5 # Specifying the markers and their size plt.scatter(x, y, marker='x', s=100) plt.show()
Hier zijn 'x'-markeringen gebruikt in plaats van de standaard 'o' (stippen), en hun grootte is ingesteld op 100. Je kunt de parameter s aanpassen om verschillende marker-groottes te verkennen.
Het volgende gedeelte richt zich meer op het aanpassen van grafieken, maar voorlopig kun je de scatter() functie documentatie raadplegen om meer te ontdekken.
Het plotten van meerdere scatterplots kan eenvoudig worden uitgevoerd door de functie scatter() twee keer aan te roepen met verschillende x- en y-argumenten (vergelijkbaar met lijngrafieken).
Hoewel plt.plot(x, y, 'o') en plt.scatter(x, y) op het eerste gezicht vergelijkbaar lijken, hebben ze verschillende doeleinden:
plt.plot(x, y, 'o')is een lijngrafiekfunctie die'o'gebruikt om alleen markers weer te geven. Het is snel, maar biedt beperkte opmaakmogelijkheden.plt.scatter(x, y)is een specifieke scatterplotfunctie die meer controle biedt — zoals individuele aanpassing van markergrootte, kleur en transparantie.
Swipe to start coding
Toon een kwadratisch verband tussen twee variabelen met behulp van een scatterplot:
- Vervang de underscores zodat de
y-array de gekwadrateerde elementen van dex-array bevat. - Gebruik de juiste functie om een scatterplot te maken.
- Geef
xenyin de juiste volgorde door aan deze functie. - Stel de grootte van de markers in op 70.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Can you explain how to plot multiple scatter plots on the same graph?
What other marker styles can I use in scatter plots?
How can I customize the colors of the markers in a scatter plot?
Awesome!
Completion rate improved to 3.85Spreidingsdiagram
Veeg om het menu te tonen
Een spreidingsdiagram is een type diagram dat de relatie tussen twee variabelen (x en y) weergeeft met behulp van stippen of andere markeringen.
Spreidingsdiagrammen behoren tot de eenvoudigste hulpmiddelen om visueel te onderzoeken of er een correlatie bestaat tussen twee variabelen. Hoewel het niet de meest nauwkeurige methode is, bieden ze vaak snel nuttig inzicht.
Het lijkt op een lijndiagram, met als verschil dat er geen lijnen zijn, alleen markeringen. Om een spreidingsdiagram te maken, gebruik je de scatter() functie van pyplot, waarbij je eerst de waarden voor de x-as en daarna de waarden voor de y-as doorgeeft. Bekijk het volgende voorbeeld:
1234567import matplotlib.pyplot as plt import numpy as np x = np.array([6, 1, 8, 20, 13, 4, 16, 5, 11, 10]) y = 2 * x + 5 # Creating a scatter plot plt.scatter(x, y) plt.show()
De syntaxis van de functie scatter() lijkt op die van plot(). In tegenstelling tot plot() moet je echter altijd waarden opgeven voor zowel de x- als de y-parameters.
In dit voorbeeld wordt y berekend met de formule y = 2x + 5. De scatterplot toont een positieve lineaire relatie — naarmate x groter wordt, neemt y ook toe, en omgekeerd.
Het is ook mogelijk om andere markers dan stippen te gebruiken en hun grootte in te stellen met respectievelijk de parameters marker en s:
1234567import matplotlib.pyplot as plt import numpy as np x = np.array([6, 1, 8, 20, 13, 4, 16, 5, 11, 10]) y = 2 * x + 5 # Specifying the markers and their size plt.scatter(x, y, marker='x', s=100) plt.show()
Hier zijn 'x'-markeringen gebruikt in plaats van de standaard 'o' (stippen), en hun grootte is ingesteld op 100. Je kunt de parameter s aanpassen om verschillende marker-groottes te verkennen.
Het volgende gedeelte richt zich meer op het aanpassen van grafieken, maar voorlopig kun je de scatter() functie documentatie raadplegen om meer te ontdekken.
Het plotten van meerdere scatterplots kan eenvoudig worden uitgevoerd door de functie scatter() twee keer aan te roepen met verschillende x- en y-argumenten (vergelijkbaar met lijngrafieken).
Hoewel plt.plot(x, y, 'o') en plt.scatter(x, y) op het eerste gezicht vergelijkbaar lijken, hebben ze verschillende doeleinden:
plt.plot(x, y, 'o')is een lijngrafiekfunctie die'o'gebruikt om alleen markers weer te geven. Het is snel, maar biedt beperkte opmaakmogelijkheden.plt.scatter(x, y)is een specifieke scatterplotfunctie die meer controle biedt — zoals individuele aanpassing van markergrootte, kleur en transparantie.
Swipe to start coding
Toon een kwadratisch verband tussen twee variabelen met behulp van een scatterplot:
- Vervang de underscores zodat de
y-array de gekwadrateerde elementen van dex-array bevat. - Gebruik de juiste functie om een scatterplot te maken.
- Geef
xenyin de juiste volgorde door aan deze functie. - Stel de grootte van de markers in op 70.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
single
