# 加载数据 df = data_forecast_is_stk_bs_rpt_zq_befor_big.reset_index() # 绘制散点图 plt.scatter(df.index, df['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6) plt.xlabel('Index') plt.ylabel('上一年比本年倍数') plt.show() y轴刻度再细点
时间: 2023-08-06 15:02:55 浏览: 102
可以使用 `plt.yticks()` 函数来细分 y 轴的刻度。例如,你可以尝试以下代码:
```
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv('your_data.csv')
plt.scatter(df.index, df['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6)
plt.xlabel('Index')
plt.ylabel('上一年比本年倍数')
# 设置 y 轴刻度的范围和步长
plt.yticks([i/10 for i in range(0, 11)])
plt.show()
```
在上面的代码中,`plt.yticks([i/10 for i in range(0, 11)])` 表示将 y 轴的刻度设置为 0、0.1、0.2、...、1 共 11 个刻度。你可以根据自己的需要调整这些刻度的范围和步长。
相关问题
# 加载数据 df = data_forecast_is_stk_bs_rpt_zq_befor_big.reset_index() # 绘制散点图 plt.scatter(df.index, df['上一年比本年倍数'], c=df['上一年比本年倍数'], cmap='Blues') plt.xlabel('Index') plt.ylabel('上一年比本年倍数') plt.show() 密度大的变成了浅色需要修改
可以调整 `cmap` 参数来修改颜色映射,例如使用 `viridis` cmap 来使得密度大的点显示为深色,代码如下:
```
# 加载数据
df = data_forecast_is_stk_bs_rpt_zq_befor_big.reset_index()
# 绘制散点图
plt.scatter(df.index, df['上一年比本年倍数'], c=df['上一年比本年倍数'], cmap='viridis')
plt.xlabel('Index')
plt.ylabel('上一年比本年倍数')
plt.show()
```
加载数据 df = data_forecast_is_stk_bs_rpt_zq_befor_big.reset_index() # 绘制散点图 plt.scatter(df.index, df['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6) plt.xlabel('Index') plt.ylabel('上一年比本年倍数') plt.show() y轴刻度再细点
你可以使用 `plt.yticks()` 函数来设置 y 轴的刻度间隔。例如:
```
import numpy as np
import matplotlib.pyplot as plt
df = data_forecast_is_stk_bs_rpt_zq_befor_big.reset_index()
plt.scatter(df.index, df['上一年比本年倍数'], c='blue', cmap='Blues', alpha=0.6)
plt.xlabel('Index')
plt.ylabel('上一年比本年倍数')
# 设置 y 轴刻度间隔为 0.1
plt.yticks(np.arange(min(df['上一年比本年倍数']), max(df['上一年比本年倍数'])+0.1, 0.1))
plt.show()
```
你可以根据需要调整刻度间隔大小。