MATLAB的二维散点图绘制

### MATLAB 绘制二维散点图的方法 在 MATLAB 中，绘制二维散点图是一种常见的可视化方式，用于展示两个变量之间的关系。下面详细介绍如何使用 `scatter` 和其他辅助命令来创建高质量的二维散点图。 #### 数据准备 假设我们有一组数据 `(x, y)` 表示散点的位置，并可能有一个额外的数据向量 `D` 来定义每个点的颜色或其他特性[^1]。 ```matlab clc; clear all; close all; %% 数据生成 A = randn(500, 3); % 创建一个随机矩阵，其中每行代表一个样本点 x = A(:, 1); % 第一列表示 x 坐标 y = A(:, 2); % 第二列表示 y 坐标 D = abs(A(:, 3)); % 第三列决定颜色深浅（绝对值） ``` 这里通过调用 `randn()` 函数模拟了一套测试数据集，它包含了三个维度的信息：前两者分别对应平面直角坐标系中的横纵位置；后者则用来反映某些特定属性比如密度或者温度等等，在最终呈现时会转化为不同浓淡程度的颜色表现形式[^4]。 #### 基础散点图绘制 最简单的做法就是直接调用 `scatter()` 函数传入相应的参数即可得到初步的结果： ```matlab figure; scatter(x, y, [], D, '*'); % [] 自动调整大小，'*'指定标记样式 colormap(jet); % 更改默认配色方案为 jet colorbar; % 显示右侧颜色条说明数值映射规则 axis equal; % 确保纵横比例一致使得圆圈保持圆形而非椭圆状变形 title('基础二维散点图'); xlabel('X-Axis Label'); ylabel('Y-Axis Label'); grid on; ``` 此段代码片段实现了基本功能的同时还加入了更多美化措施，例如设置了相匹配的颜色渐变效果并通过附加组件解释了这些变化背后的意义所在[^2]。 #### 高级定制化选项 为了进一步增强图表的表现力还可以尝试以下几种方法之一或多者结合应用： - **改变点形** 可选自定义符号代替标准星号(*)作为节点外观表达式。 ```matlab scatter(x, y, 50, D, 'o', 'filled'); % 圆形填充实心点 ``` - **手动配置色彩** 用户可以直接指派确切RGB值给每一个独立个体而不是依赖全局统一梯度分配策略。 ```matlab C = zeros(length(D), 3); idx_low = find(D < mean(D)); idx_high = find(D >= mean(D)); C(idx_low,:) = [0.2 0.6 0.8]; % 较低水平设蓝绿色调 C(idx_high,:) = [0.9 0.3 0.2]; % 较高水平转橙红色泽 scatter(x, y, 50, C, 's', 'filled'); colormap([]); legend({'Low Level','High Level'},... 'Location','BestOutside',... 'FontSize',12,... 'FontWeight','bold'); ``` - **分组区分类别** 若存在多个子群落需要单独标识出来，则可以按照分类标志分开处理后再逐一拼接起来形成完整视图。 ```matlab group_labels = {'Group A', 'Group B'}; colors = {[0.85 0.36 0.04], [0.12 0.47 0.71]}; markers = {'d', '^'}; hold on; for i = 1:numel(group_labels) subset_idx = mod((i-1)*ones(size(D)), length(D)) == floor(rand() * numel(D)); scatter(x(subset_idx), ... y(subset_idx), ... 60, ... ones(sum(subset_idx))*i,... markers{i}, ... 'LineWidth',1.5,... 'MarkerEdgeColor',[colors{i}],... 'MarkerFaceColor',[colors{i}]); lgd_entry = sprintf('%s (%d)',group_labels{i},sum(subset_idx)); legend_handles{end+1}=hObject; legends_texts{end+1}=lgd_entry; end legend(legend_handles,legends_texts,'Interpreter','none') hold off; ``` 上述三种技术均能有效改善原始图像质量使其更贴近实际应用场景需求[^5]。 --- ### 注意事项 - 在大规模数据集中运行此类操作可能会消耗较多内存资源甚至引发性能瓶颈问题因此必要时候应当考虑降采样等方式优化流程效率。 - 不同版本间可能存在细微差异所以在移植旧版脚本至新版环境之前务必仔细核对其兼容状况以免造成意外错误。