Dalam artikel ini, kita akan mempelajari cara membuat scatter plot menggunakan library Matplotlib di Python. Scatter plot adalah grafik yang digunakan untuk menampilkan hubungan antara dua variabel. Grafik ini sangat berguna dalam analisis data dan visualisasi hasil eksperimen.

Membuat Scatter Plot

Pertama-tama, kita harus import library NumPy dan Matplotlib.

import numpy as np
import matplotlib.pyplot as plt

Lalu, kita membuat array random dengan ukuran 512×2.

data = np.random.rand(512, 2)
print(data)

Array ini berisi dua kolom: X-axis dan Y-axis. Kita akan menggunakan data ini untuk membuat scatter plot.

Selanjutnya, kita membuat scatter plot dengan menggunakan fungsi plt.scatter().

plt.scatter(data[:,0], data[:,1], c='y')

Parameter c digunakan untuk menentukan warna scatter plot, sedangkan parameter marker digunakan untuk menentukan jenis marker. Kita akan menggunakan warna kuning dan marker bintang (*) dalam contoh ini.

Mengatur Marker

Kita juga dapat mengubah jenis marker dengan menggunakan parameter marker. Matplotlib menyediakan berbagai jenis marker, seperti yang ditunjukkan oleh link [1] di atas.

plt.scatter(data[:,0], data[:,1], c='r', marker='*')

Mengatur Ukuran Marker

Kita juga dapat mengubah ukuran marker dengan menggunakan parameter s.

plt.scatter(data[:,0], data[:,1], c='r', marker='*', s=125)

Parameter s digunakan untuk menentukan ukuran marker. Dalam contoh ini, kita akan menggunakan ukuran marker yang lebih besar.

Contoh Tambahan: Mengatur Ukuran Marker dengan Nilai Acak

Kita juga dapat mengubah ukuran marker dengan nilai acak.

N=50
x=np.random.rand(N)
y=np.random.rand(N)

area = np.pi*(15*np.random.rand(N))**2

plt.scatter(x,y,s=area)

Dalam contoh ini, kita membuat scatter plot dengan menggunakan ukuran marker yang dihitung secara acak.

Referensi

[1] https://matplotlib.org/3.3.3/api/markers_api.html#module-matplotlib.markers

Artikel Berikutnya

• [Python.MatPlotLib] Histogram dan Box Plot
• [Python.MatPlotLib] Boston Housing Price Dataset: Penggunaan Plot, Subplot, StandardScaler, Boxplot, dan Correlation Matrix