Matplotlib pyplot散点图标记大小

在散点图的pyplot文档中：

matplotlib.pyplot.scatter(x, y, s=20, c='b', marker='o', cmap=None, norm=None,
                          vmin=None, vmax=None, alpha=None, linewidths=None,
                          faceted=True, verts=None, hold=None, **kwargs)

标记大小

s: 大小以点^2为单位。它是一个标量或与x和y长度相同的数组

什么类型的单位是积分^2？这是什么意思？

s=100

是否表示

10像素x 10像素

---

基本上，我试图用不同的标记大小绘制散点图，我想弄清楚

s

数字的含义。

这可能是定义大小的一种有点混乱的方式，但基本上是指定标记的区域。这意味着，要将标记的宽度（或高度）增加一倍，您需要将

s

增加4倍。[因为A=WH=>（2W）（2H）=4A]

然而，标记的大小是这样定义的，这是有原因的。由于面积按宽度的平方进行缩放，因此将宽度加倍实际上会使大小增加2倍以上（事实上，它会增加4倍）。要看到这一点，请考虑下面两个例子和它们产生的输出。

#标记宽度加倍
x=[0,2,4,6,8,10]
y=[0]*len（x）
s=[20*4**n表示范围内的n（len（x））]
plt.散射（x，y，s=s）
plt.show（）

给予

请注意大小是如何快速增加的。如果我们有

#标记面积加倍
x=[0,2,4,6,8,10]
y=[0]*len（x）
s=[20*2**n表示范围内的n（len（x））]
plt.散射（x，y，s=s）
plt.show（）

给予

现在，标记的表观大小以直观的方式大致呈线性增加

至于“点”的确切含义，对于绘图而言，它是相当任意的，您可以通过一个常量缩放所有大小，直到它们看起来合理为止

希望这有帮助

编辑：（回应@Emma的评论）

对我来说，这可能是一个令人困惑的措辞。这个问题是关于将一个圆的宽度增加一倍，所以在第一张图片中，每个圆的宽度是前一个的两倍（从左向右移动），所以对于这个区域，这是一个以4为底的指数。类似地，第二个例子中，每个圆的面积都是最后一个圆的两倍，最后一个圆的面积是以2为底的指数

然而，这是第二个例子（我们在缩放区域），加倍的区域似乎会使圆看起来比眼睛大两倍。因此，如果我们希望一个圆的系数

n

更大，我们将增加一个系数

n

而不是半径，因此表观尺寸与面积成线性比例

编辑以可视化@TomaszGandor的评论：

这是标记大小的不同功能的外观：

x=[0,2,4,6,8,10,12,14,16,18]
s_exp=[20*2**n表示范围内的n（len（x））]
s_平方=[20*n**2表示范围内的n（len（x））]
s_线性=[20*n表示范围内的n（len（x））]
plt.scatter（x[1]*len（x），s=s_exp，label='$s=2^n$'，lw=1）
plt.scatter（x，[0]*len（x），s=s_平方，label='$s=n^2$'））
plt.scatter（x，[-1]*len（x），s=s_线性，标签='s=n$'）
plt.ylim（-1.5,1.5）
plt.图例（loc='中左'，bbox_至_锚=（1.1,0.5），标签间距=3）
plt.show（）

如果圆的大小对应于

s=parameter

中参数的平方，则为附加到大小数组中的每个元素指定一个平方根，如下所示：

s=[1,1.414,1.73,2.0,2.24]

这样当它获取这些值并返回它们时，它们的相对大小增加将是平方级数的平方根，它返回一个线性级数

如果我在输出到绘图时对每一个进行平方运算：

output=[1,2,3,4,5]

。尝试列表解释：

s=[numpy.sqrt（i）表示s中的i]

它是标记的区域。我的意思是如果你有

s1=1000

然后

s2=4000

，每个圆的半径之间的关系是：

r\u s2=2*r\u s1

。见下图：

plt.scatter(2, 1, s=4000, c='r')
plt.scatter(2, 1, s=1000 ,c='b')
plt.scatter(2, 1, s=10, c='g')

---

当我看到这篇文章时，我也有同样的疑问，所以我做了这个例子，然后用屏幕上的尺子测量半径

您可以使用标记化在绘图方法中指定圆的大小

import numpy as np
import matplotlib.pyplot as plt

x1 = np.random.randn(20)
x2 = np.random.randn(20)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(x1, 'bo', markersize=20)  # blue circle with size 10 
plt.plot(x2, 'ro', ms=10,)  # ms is just an alias for markersize
plt.show()

从

---

我最初也尝试使用“分散”来实现这一目的。在浪费了相当多的时间之后，我决定采用以下解决方案

import matplotlib.pyplot as plt
input_list = [{'x':100,'y':200,'radius':50, 'color':(0.1,0.2,0.3)}]    
output_list = []   
for point in input_list:
    output_list.append(plt.Circle((point['x'], point['y']), point['radius'], color=point['color'], fill=False))
ax = plt.gca(aspect='equal')
ax.cla()
ax.set_xlim((0, 1000))
ax.set_ylim((0, 1000))
for circle in output_list:    
   ax.add_artist(circle)

这是基于对

的回答，因为这里的其他回答声称，

s

表示标记的区域，我添加这个回答是为了澄清情况并非如此

大小以点^2为单位

plt.scatter

中的参数

s

表示

标记大小**2

。正如文件所说

s

：标量或类似数组的形状（n，），可选
大小以点^2为单位。默认值为rcParams['lines.markersize']**2

这可以从字面上理解。为了获得x点大的标记，需要将该数字平方，并将其赋给

s

参数

因此，直线图的标记大小和散射大小参数之间的关系是平方关系。为了生成一个与10点大小的绘图标记大小相同的散布标记，您可以调用

散布（..，s=100）

连接到“区域” 那么，为什么其他答案甚至文档在谈到

s

参数时都提到“区域”

当然，点**2的单位是面积单位

• 对于方形标记的特殊情况，

  marker=“s”

  ，标记的面积实际上直接等于

  s

  参数的值
• 对于圆，圆的面积为

  area=pi/4*s

• 对于其他标记，甚至可能与标记的面积没有任何明显的关系

但是，在所有情况下，标记的面积与

s

参数成比例。这就是将其称为“区域”的动机，即使在大多数c语言中也是如此

import matplotlib.pyplot as plt

fig,ax = plt.subplots()

ax.plot([0],[0], marker="o",  markersize=10)
ax.plot([0.07,0.93],[0,0],    linewidth=10)
ax.scatter([1],[0],           s=100)

ax.plot([0],[1], marker="o",  markersize=22)
ax.plot([0.14,0.86],[1,1],    linewidth=22)
ax.scatter([1],[1],           s=22**2)

plt.show()

1 point == fig.dpi/72. pixels

import matplotlib.pyplot as plt

for dpi in [72,100,144]:

    fig,ax = plt.subplots(figsize=(1.5,2), dpi=dpi)
    ax.set_title("fig.dpi={}".format(dpi))

    ax.set_ylim(-3,3)
    ax.set_xlim(-2,2)

    ax.scatter([0],[1], s=10**2, 
               marker="s", linewidth=0, label="100 points^2")
    ax.scatter([1],[1], s=(10*72./fig.dpi)**2, 
               marker="s", linewidth=0, label="100 pixels^2")

    ax.legend(loc=8,framealpha=1, fontsize=8)

    fig.savefig("fig{}.png".format(dpi), bbox_inches="tight")

plt.show()