plt.scatter(x_data.index, x_data,5, c='blue', cmap='Blues', alpha=0.6) plt.scatter(c_data.index, c_data,5,c='orange', cmap='Oranges', alpha=0.6) 这组代码换成 sns.jointplot
时间: 2023-12-19 14:07:04 浏览: 187
你可以将这组代码替换为以下代码:
```
import seaborn as sns
sns.jointplot(x=x_data.index, y=x_data, kind='scatter', color='blue', alpha=0.6)
sns.jointplot(x=c_data.index, y=c_data, kind='scatter', color='orange', alpha=0.6)
```
其中,`sns.jointplot()`函数可以在一个图中绘制两个变量的联合分布。`x`参数指定x轴上的数据,`y`参数指定y轴上的数据,`kind`参数指定绘图类型,`color`参数指定颜色,`alpha`参数指定透明度。
相关问题
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="winter", label=label9) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="gnuplot2", label=label5) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="hot", label=label6) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="autumn", label=label7) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="terrain", label=label8) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="Oranges", label=label1) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="tab20b", label=label2) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="cool", label=label4) plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="rainbow", label=label3)
您想要绘制多个散点图,每个散点图使用不同的颜色映射。您可以按照以下代码进行绘制:
```python
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="winter", label=label9)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="gnuplot2", label=label5)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="hot", label=label6)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="autumn", label=label7)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="terrain", label=label8)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="Oranges", label=label1)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="tab20b", label=label2)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="cool", label=label4)
plt.scatter(X_pca[:, 0], X_pca[:, 1], marker='o', s=100, c=kpredictions, alpha=1, cmap="rainbow", label=label3)
plt.legend()
plt.show()
```
这段代码会按照您指定的不同颜色映射绘制多个散点图,并在图例中显示相应的标签。
df_combined = pd.concat([df, df1], axis=1) # 绘制散点图 fig, ax = plt.subplots(figsize=(12, 12)) plt.scatter(df_combined.index, df_combined['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6) plt.scatter(df_combined.index, df_combined['上一年比本年倍数'], c='orange', cmap='Oranges', alpha=0.6) plt.xlabel('Index') plt.ylabel('倍数') plt.yticks(np.arange(0, max(df_combined['上一年比本年倍数'])+20, 20)) plt.show() x and y must be the same size
在你的代码中,第二个 scatter 函数的 x 和 y 参数都是 `'上一年比本年倍数'`,应该将其中一个改成 `'本年比上一年倍数'`。修改后的代码如下:
```
df_combined = pd.concat([df, df1], axis=1)
fig, ax = plt.subplots(figsize=(12, 12))
plt.scatter(df_combined.index, df_combined['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6)
plt.scatter(df_combined.index, df_combined['本年比上一年倍数'], c='orange', cmap='Oranges', alpha=0.6)
plt.xlabel('Index')
plt.ylabel('倍数')
plt.yticks(np.arange(0, max(df_combined['上一年比本年倍数'])+20, 20))
plt.show()
```
这样就可以将两个 DataFrame 中的数据合并并绘制在同一个图中了。
阅读全文