scatter 함수 사용하기 - matplotlib

이번 글에서 알아볼 것은 scatter 입니다.

 

지난 글까지 알아보았던 plot은 점이 점을 따라가는 형태였지만

scatter은 점들을 연결하지 않을 때 사용하는 함수입니다.

 

분포를 시각화할 때 많이 사용됩니다.

 

 

 

 

 

numpy의 uniform을 이용하여

1000x2 행렬을 생성한 후 scatter을 이용하여 시각화를 해보겠습니다.

 

fig = plt.figure(figsize = (4,4), dpi = 100)
ax = fig.subplots()

data = np.random.uniform(size = (1000, 2))
data[:10]

ax.scatter(data[:,0], data[:,1], s=5)

 

먼저 생성한 데이터의 10번째 행까지 출력해본 결과입니다.

 

 

다음과 같이 0 ~ 1 까지의 균등분포로 추출한 행렬을 확인할 수 있습니다.

 

다음은 생성한 행렬에 대해 분포를

scatter함수를 사용해 시각화를 해보겠습니다.

 

scatter함수의 s 파라미터로 점의 크기를 조정할 수 있습니다.

 

위와 같이 고르게 분포되어있음을

시각적으로 확인할 수 있습니다.

 

 

 

 

 

 

 

 

 

 

다음은 조건에 따라 색을 다르게 하여 시각화를 적용해보겠습니다.

 

fig = plt.figure(figsize = (4,4), dpi = 100)
ax = fig.subplots()

data = np.random.uniform(0,1, size = (100, 2))

for i in range(len(data)):
    x, y = data[i, :]
    if x<0.5:
        _=ax.scatter(x, y, s = 10, c = 'r')
    else:
        _=ax.scatter(x, y, s = 10, c = 'b')

 

이번에는 0~1의 균등분포의 원소들로 100x2 행렬을 만들었습니다.

 

이때 0번째 열을 x, 1번째 열을 y좌표로 지정한 후

x좌표가 0.5 이하면 빨간색,

0.5 이상이면 파란색 점으로 나타내주었습니다.

 

 

 

 

 

 

 

 

 

 

이번에는 특정함수에 noise를 추가한 후

scatter함수를 이용해 시각화를 적용해보겠습니다.

 

특정함수는 y = x^2 입니다.

 

fig = plt.figure(figsize = (8,4), dpi = 100)
axs = fig.subplots(1,2)

X = np.linspace(-4, 4, 200)
n = np.random.normal(0, 1, size = 200)

Y0 = X ** 2
Y1 = X ** 2 + n

axs[0].scatter(X, Y0, s = 4)
axs[1].scatter(X, Y1, s = 4)

 

이번에는 np.random.normal을 이용하여

평균 0, 표준편차 1만큼 noise를 주었습니다.

 

위 코드를 실행하면 다음과 같은 결과가 출력됩니다.