Python：Matplotlib库绘制散点图和折线图

一、基础散点图

Matplotlib绘制散点图主要使用matplotlib.pyplot类中的scatter函数，其详细的用法参考官方文档，这里附上链接：Matplotlib官方文档。接下来将介绍如何利用scatter函数绘制散点图。首先来一个示例：

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 

# 初始化测试数据
a=range(10)
b=range(10)

# 使用scatter函数绘制散点图
plt.scatter(a,b)

# 保存图片
plt.savefig("./demo-1.svg",dpi=400,bbox_inches='tight') # dpi表示分辨率

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果：

Figure 1

基本的散点图已经绘制成功了，但是不够美观，也不够丰满，因此我们需要做一些“微调”：

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 
# 初始化测试数据
a = range(10)
b = range(10)

# 使用scatter函数绘制散点图
plt.scatter(a, b, s=100.0, marker=".", color="b")  # 这里的s必须为浮点数

# 添加标题
plt.title("My first scatter demo", fontsize=19, weight="bold")

# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签，rotatio表示旋转
plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)
plt.yticks(b)

# 设置坐标轴标签
plt.xlabel("This is x axis", fontsize=20, weight="bold")
plt.ylabel("This is y axis")

# 添加网格
plt.grid(True)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-2.svg", dpi=400, bbox_inches="tight")

# 展示图片
plt.show()

运行结果：

Figure 2

可以看到，相比于Figure 1，Figure 2多了很多样式，但碍于笔者审美障碍以及案例展示需要，绝对称不上美观。这里使用的一些设置，如xlabel，plt.title，plt.xticks等，其用法非常丰富，代码中做了一定的注释，在这里不再赘述，读者可以尝试进行参数的修改，观察图形的变化，以获得启示。但是这里笔者更加推荐读者查阅Matplotlib官方文档。相信我，再结合官方提供的案例，这份文档绝对不辱使命。另外，细心的读者会发现，这里我们均使用的是英文设置标题等，这是因为直接使用中文无法显示，关于这个问题的解决措施我们日后再谈。

二、基础折线图的绘制

Matplotlib绘制折现图主要使用matplotlib.pyplot类中的plot函数，还是那句话：其详细的用法参考官方文档，这里再附上链接：Matplotlib官方文档。接下来将介绍如何利用plot函数绘制折现图。首先来一个示例：

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 

# 初始化测试数据
a=range(10)
b=range(10)

# 使用plot函数绘制折线图
plt.plot(a,b)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-3.svg",dpi=400,bbox_inches='tight') 

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果：

Figure 3

我们可以惊喜的发现，只需要将scatter改为plot即能实现我们的目标。接下来再添加一些样式：

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt

# 初始化测试数据
a = range(10)
b = range(10)

# 使用plot函数绘制折线图
plt.plot(a, b, marker="*", color="b", markersize=15)  

# 添加标题
plt.title("My second scatter demo", fontsize=19, weight="bold")

# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签，rotatio表示旋转
plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)
plt.yticks(b)

# 设置坐标轴标签
plt.xlabel("This is x axis", fontsize=20, weight="bold")
plt.ylabel("This is y axis")

# 添加网格
plt.grid(True)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-4.svg", dpi=400, bbox_inches="tight")

# 展示图片
plt.show()

运行结果：

Figure 4

在这里我们要注意代码第10行中的：marker，这个参数顾名思义指的是标记，如果我们设置标记的符号为*，那么在每个点上就会有这么一个标记，读者可以尝试设置其它的符号，如：o，^，等看看效果如何。这里我们列出一些可能用到的标记符号，见Table 1

Table 1

字符	类型	字符	类型
‘-’	实线	‘–’	虚线
‘-.’	虚点线	‘:’	点线
‘.’	点	‘,’	像素点
‘o’	圆点	‘v’	下三角点
‘^’	上三角点	‘<’	左三角点
‘>’	右三角点	‘1’	下三叉点
‘2’	上三叉点	‘3’	左三叉点
‘4’	右三叉点	‘s’	正方点
‘p’	五角点	‘*’	星形点
‘h’	六边形点1	‘H’	六边形点2
‘+’	加号点	‘x’	乘号点
‘D’	实心菱形点	‘d’	瘦菱形点
‘_’	横线点

另外的markersize顾名思义指的就是标记的尺寸，读者在学习的时候也要有一定的想象力，可以先猜测再验证，这个过程也是非常有趣的！

此外，plot函数其实也能绘制散点图，这里给个示例：

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt

# 初始化测试数据
a = range(10)
b = range(10)

# 使用plot函数绘制散点图
plt.plot(a, b, "H") #只需添加点型，即可绘制

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-5.svg", dpi=400, bbox_inches="tight")

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果：

Figure 5

可以看到，只需在第10行设置一个点型即可，但此时无法设置markersize属性，因为发生了冲突，读者可以自行尝试。另外，读者也可以尝试将第10行的"H"改为"rH"看一下点的颜色如何变化，答案是会变成红色，这是因为r是red的缩写，关于Matplotlib中颜色的设置，这里不再赘述，请读者们参考一下官方文档，笔者推荐大家使用颜色缩写和十六进制法表示颜色。

三、散点图进阶

这一节主要以示例为主，会告诉大家核心语句，请读者自行查阅官方文档。

1.更改颜色和透明度

核心语句：

• 第13行：c=c,alpha=0.5

# coding=utf-8
import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
# 每个点随机大小
s = (30 * np.random.rand(N)) ** 2
# 随机颜色
c = np.random.rand(N)
plt.scatter(x, y, s=s, c=c, alpha=0.4)
plt.show()

2.一张图上绘制两组散点

核心代码：

• 第10行
• 第11行

import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker="o")
plt.scatter(x2, y2, marker="^")
plt.savefig("test-2.svg", dpi=400, bbox_inches="tight")
plt.show()

3.添加图例

核心代码：

• 第10行label="circle"与第11行label=“triangle”
• 第12行plt.legend(loc=“best”)

import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker="o", label="circle")
plt.scatter(x2, y2, marker="^", label="triangle")
plt.legend(loc="best") # loc参数可以设置，best表示放在最合适的位置
plt.savefig("test-1.svg", dpi=400, bbox_inches="tight")
plt.show()