Python matplotlib 绘制散点图详解建议收藏

前言

我们在matplotlib模块学习中，发现有常用的反映数据变化的折线图，对比数据类型差异的柱状图和反应数据频率分布情况的直方图。

往期内容速看

Python用 matplotlib 绘制柱状图

Python matplotlib底层原理解析

Python matplotlib超详细教程实现图形绘制

其实在数据统计图表中，有一种图表是散列点分布在坐标中，反应数据随着自变量变化的趋势。

本期，我们将详细学习matplotlib 绘制散点图相关属性的学习，let's go~

1. 散点图概述

什么是散点图？

• 散点图用于在水平轴和垂直轴上绘制数据点，数据以点状分布在左标系中
• 散点图表示因变量随着自变量而变化的大致趋势
• 散点图由多个左坐标点构成，考察坐标点的分布，判断是否存在某种关联或者分布模式
• 对于不同类别的点，则由图表中不同形状或颜色的标记符表示
• 散点图主要分为散点图矩阵、三维散点图、ArcGIS散点图

散点图使用场景

• 散点图用于比较跨类别的聚合数据
• 散点图用于分析数据线性、多项式趋势情况
• 散点图用于四象限分析
• 散点图用于找到数据趋势公式
• 散点图可以为后期精确的图标进行辅助

绘制散点图步骤

1. 导入matplotlib.pyplot模块
2. 准备数据，可以使用numpy/pandas整理数据
3. 调用pyplot.scatter()绘制散点图

案例展示

本次案例我们将分析某产品不同定价销售额分布情况

案例需要准备两组数据x和y轴，其中x，y轴的数据量要保持一致

x_value = np.random.randint(50,100,50)
y_value = np.random.randint(500,1000,50)

绘制散点

import matplotlib.pyplot as plt
import numpy as np
 
plt.rcParams["font.sans-serif"]=['SimHei'] plt.rcParams["axes.unicode_minus"]=False
 
x_value = np.random.randint(50,100,50)
y_value = np.random.randint(500,1000,50)
 
plt.scatter(x_value,y_value)
 
plt.title("data analyze")
plt.xlabel("销售价格")
plt.ylabel("销售额")
 
plt.show()

 2. 散点图属性

设置散点大小

关键字：s

传入数据类型为list或者数字，默认为20

设置散点颜色

关键字：c

默认颜色为蓝色

取值范围

• 表示颜色的英文单词：如红色"red"
• 表示颜色单词的简称如：红色"r",黄色"y"
• RGB格式：十六进制格式如"#88c999";(r,g,b)元组形式
• 也可以传入颜色列表

设置散点样式

关键字：marker

系统默认为'o'小圆圈

取值还可以取：('o', 'v', '^', '<', '>', '8', 's', 'p', '*', 'h', 'H', 'D', 'd', 'P', 'X')

设置透明度

关键字：alpha

取值范围：0~1

设置散点边框

关键字： edgecolor

默认为face

取值选项：

• "face"|"none"
• 表示颜色的英文单词、简写或者rgb

我们结合上一节的案例，设置散点大小，散点边框为粉色，散点颜色为#88c999

size = (20*np.random.rand(50))**2
plt.scatter(x_value,y_value,s=area,c="#88c999",edgecolors="pink"

3. 添加折线散点图

我们在查看散点图时，有时候会借助折线图来辅助分析。我们继续拿第一节的数据来分析。

我们使用np.random.rand()来生成100个随机数据

x_value = 100*np.random.rand(100)
y_value = 100*np.random.rand(100)

需要借助我们高中的数学公司如sin\cos函数等（高中数学都还给老师了）

使用pyplot.plot()方法来绘制曲线图

r0 = 80
plt.scatter(x_value,y_value,c="hotpink",edgecolors="blue")
the =  np.arange(0,np.pi/2, 0.01)
plt.plot(r0*np.cos(the),r0*np.sin(the))

4. 多类型散点图

我们在观察数据的时候，会同时比较多个类型数据，因此我们可以通过颜色或者散点样式来区分表示

方式一： 使用颜色来区分不同类别时，我们需要再添加新的数据和scatter方法

x_value = 100*np.random.rand(100)
y_value = 100*np.random.rand(100)
y1_value = 100*np.random.rand(100)
 
plt.scatter(x_value,y_value, c="hotpink",edgecolors="blue",label="A产品")
 
plt.scatter(x_value,y1_value, c="#88c999", edgecolors="y",label="B产品")

方式二：我们可以使用marker来标记不同类型，例如我们使用上一节的案例再添加一个scatter()

r0 = 80
 
size = (20*np.random.rand(100))**2
 
r = np.sqrt(x_value**2+y_value**2)
area = np.ma.masked_where(r > r0,size)
area1 = np.ma.masked_where(r <= r0, size)
 
plt.scatter(x_value,y_value,s=area,c="hotpink",edgecolors="blue",label="A产品")
 
plt.scatter(x_value, y_value, s=area1, c="red", edgecolors="y",marker="^",label="B产品")
 
the =  np.arange(0,np.pi/2, 0.01)
plt.plot(r0*np.cos(the),r0*np.sin(the))

5. 颜色条散点图

在散点图表中，我们为了对每个点颜色深浅进行表示，我们可以借助cmap颜色条来进行添加

• 颜色条显示关键字：cmap
• 默认为viridis,可选值如accent_r,blues_r,brbg_r,greens_r等等
• 表示每种颜色从0~100的值

当要显示颜色列表时，我们需要调用pyplot.colorbar()

例如，我们对散点图添加一个红色系的颜色列表

size = (20*np.random.rand(100))**2
color = np.random.randint(0,100,100)
plt.scatter(x_value,y_value, s=size, c=color,label="A产品",cmap="afmhot_r")
plt.colorbar()

6. 曲线散点图

散点图都是由一个一个坐标点组成的，当这些点具有一定规律时，我们可以使用散点图来绘制曲线。

我们使用scatter()绘制一个2次方的幂函数

x_value = list(range(1, 100))
y_value = [x ** 2 for x in x_value]
 
plt.scatter(x_value,y_value,c=y_value,cmap="hot_r",edgecolors="none",s=50)
 
plt.show()

总结

本期，我们对matplotlib.pyplot 绘制散点图scatter方法及相关属性进行详细的学习。对于暂时没有找到规律的数据来说，使用散点图可以快速发现数据的分布情况 

以上就是Python matplotlib 绘制散点图详解建议收藏的详细内容，更多关于Python matplotlib 绘制散点图的资料请关注脚本之家其它相关文章！