python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python matplotlib 绘制散点图

Python matplotlib 绘制散点图详解建议收藏

作者:编程简单学

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。这篇文章主要介绍了如何通过matplotlib绘制散点图,需要的朋友可以参考一下

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?

散点图使用场景

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

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:

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

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!

您可能感兴趣的文章:
阅读全文