如何在散点图中包围不同的数据集？ [英] How do I encircle different data sets in scatter plot?

问题描述

我正在寻找的东西是这样的：

另外，我如何用（阴影）颜色填充圆圈？

您可能会得到路径通过凸包 scipy.spatial.ConvexHull 。

  import matplotlib.pyplot as plt 
 import numpy as np; np.random.seed（1）
 from scipy.spatial import ConvexHull 
 
 x1，y1 = np.random.normal（loc = 5，scale = 2，size =（2,15 ））
 x2，y2 = np.random.normal（loc = 8，scale = 2.5，size =（2,13））
 
 plt.scatter（x1，y1）
 plt.scatter（x2，y2）
 
 def encircle（x，y，ax = None，** kw）：
如果不是ax：ax = plt.gca（）
p = np.c_ [x，y] 
 hull = ConvexHull（p）
 poly = plt.Polygon（p [hull.vertices，：]，** kw）
 ax .add_patch（poly）
 
 encircle（x1，y1，ec =k，fc =gold，alpha = 0.2）
包围（x2，y2，ec =orange ，fc =none）
 
 plt.show（）
  

< a href =https://i.stack.imgur.com/Wvqhn.png =nofollow noreferrer>

另一个选择是围绕点云的平均值绘制一个圆。

  import matplotlib.pyplot as plt 
 import numpy as np; np.random.seed（1）
 from scipy.spatial import ConvexHull 
 
 x1，y1 = np.random.normal（loc = 5，scale = 2，size =（2,15 ））
 x2，y2 = np.random.normal（loc = 8，scale = 2.5，size =（2,13））
 
 plt.scatter（x1，y1）
 plt.scatter（x2，y2）
 
 
 def encircle2（x，y，ax = None，** kw）：
如果不是ax：ax = plt。 gca（）
p = np.c_ [x，y] 
 mean = np.mean（p，axis = 0）
d = p-mean 
r = np.max（np .sqrt（d [：，0] ** 2 + d [：，1] ** 2））
 circ = plt.Circle（mean，radius = 1.05 * r，** kw）
 ax.add_patch（circ）
 
 encircle2（x1，y1，ec =k，fc =gold，alpha = 0.2）
 encircle2（x2，y2，ec =orange ），fc =none）
 
 plt.gca（）。relim（）
 plt.gca（）。autoscale_view（）
 plt.show（）
  

How do I encircle different data sets in scatter plot?

What I'm looking for is something like this:

Also, how do I thereafter fill in the circle with a (shaded) colour?

解决方案

You may get the path that incoporates all points via a convex hull scipy.spatial.ConvexHull.

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)
from scipy.spatial import ConvexHull

x1, y1 = np.random.normal(loc=5, scale=2, size=(2,15))
x2, y2 = np.random.normal(loc=8, scale=2.5, size=(2,13))

plt.scatter(x1, y1)
plt.scatter(x2, y2)

def encircle(x,y, ax=None, **kw):
    if not ax: ax=plt.gca()
    p = np.c_[x,y]
    hull = ConvexHull(p)
    poly = plt.Polygon(p[hull.vertices,:], **kw)
    ax.add_patch(poly)

encircle(x1, y1, ec="k", fc="gold", alpha=0.2)
encircle(x2, y2, ec="orange", fc="none")

plt.show()

Another option is to draw a circle around the mean of the point cloud.

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)
from scipy.spatial import ConvexHull

x1, y1 = np.random.normal(loc=5, scale=2, size=(2,15))
x2, y2 = np.random.normal(loc=8, scale=2.5, size=(2,13))

plt.scatter(x1, y1)
plt.scatter(x2, y2)


def encircle2(x,y, ax=None, **kw):
    if not ax: ax=plt.gca()
    p = np.c_[x,y]
    mean = np.mean(p, axis=0)
    d = p-mean
    r = np.max(np.sqrt(d[:,0]**2+d[:,1]**2 ))
    circ = plt.Circle(mean, radius=1.05*r,**kw)
    ax.add_patch(circ)

encircle2(x1, y1, ec="k", fc="gold", alpha=0.2)
encircle2(x2, y2, ec="orange", fc="none")

plt.gca().relim()
plt.gca().autoscale_view()
plt.show()

这篇关于如何在散点图中包围不同的数据集？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！