Python Matplotlib数据可视化绘图之（三）————散点图

最新推荐文章于 2024-06-12 19:58:14 发布
最新推荐文章于 2024-06-12 19:58:14 发布
阅读量6.4k 收藏 19
点赞数 3
文章标签： matplotlib python 开发语言 pycharm numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Mr_Dragon66/article/details/127814209
版权

文章目录

文本

前言

本文我们主要介绍利用Python中的Matplotlib模块进行几种散点图的画法，包括整张图片只有一种颜色的不分组散点图、整张图片有好几种颜色的不分组散点图、整张图片有好几种颜色的分组散点图等。

一、所用到的模块

主要利用Python中的Matplotlib模块完成该功能。

二、单一颜色的普通不分组散点图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)
甲班80
90
75
65
85
95
100
100
80
70
90
95
85
86
92
90
95
90
85
100
乙班60
70
80
65
75
80
73
75
85
90
95
65
70
75
80
85
95
85
80
70
丙班60
80
100
100
100
100
90
95
95
95
85
95
95
95
95
80
95
90
90
90

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：
import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

ax.scatter(spotx, scatter_plot_data, c=color_list[0], s=30)

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

三、多种颜色的普通不分组散点图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)
甲班80
90
75
65
85
95
100
100
80
70
90
95
85
86
92
90
95
90
85
100
乙班60
70
80
65
75
80
73
75
85
90
95
65
70
75
80
85
95
85
80
30
丙班60
80
100
100
100
100
90
95
95
95
85
95
95
95
95
80
95
90
90
90

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：
import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 30]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

# 每个数据(scatter_plot_data里面的每个数据)对应的marker的颜色
color_list_x = []
color_list_x_final = []
for i, j in zip(color_list, range(len(scatter_plot_data))):
    color_list_x_tmp = [i] * len(scatter_plot_data[j])
    color_list_x.append(color_list_x_tmp)
for i in color_list_x:
    for j in i:
        color_list_x_final.append(j)

ax.scatter(spotx, scatter_plot_data, c=color_list_x_final, s=30, marker='o')

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字
2.1.2 Case2：
import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 30]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

#############################################################
#############################################################
# 每个数据(scatter_plot_data里面的每个数据)对应的marker的形状
marker_list_x = []
marker_list_x_final = []
for i, j in zip(marker_list, range(len(scatter_plot_data))):
    marker_list_x_tmp = [i] * len(scatter_plot_data[j])
    marker_list_x.append(marker_list_x_tmp)
for i in marker_list_x:
    for j in i:
        marker_list_x_final.append(j)
#############################################################
#############################################################

# 每个数据(scatter_plot_data里面的每个数据)对应的marker的颜色
color_list_x = []
color_list_x_final = []
for i, j in zip(color_list, range(len(scatter_plot_data))):
    color_list_x_tmp = [i] * len(scatter_plot_data[j])
    color_list_x.append(color_list_x_tmp)
for i in color_list_x:
    for j in i:
        color_list_x_final.append(j)

ax.scatter(spotx, scatter_plot_data, c=color_list_x_final, s=30, marker=marker_list_x_final)

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

在这里插入图片描述

注意：这里我们可以看到此时程序运行的时候报错，而2.1.2 Case2 与2.1.1 Case1 相比仅仅只是多了如下几行代码：
#############################################################
#############################################################
# 每个数据(scatter_plot_data里面的每个数据)对应的marker的形状
marker_list_x = []
marker_list_x_final = []
for i, j in zip(marker_list, range(len(scatter_plot_data))):
marker_list_x_tmp = [i] * len(scatter_plot_data[j])
marker_list_x.append(marker_list_x_tmp)
for i in marker_list_x:
for j in i:
marker_list_x_final.append(j)
#############################################################
#############################################################
这几行代码的目的本来是想给每组数据(scatter_plot_data里面包含三组数据：[ClassA_C, ClassB_C, ClassC_C])赋予不同的marker形状类型，但是这样行不通，原因是ax.scatter()在一次绘图中只能接受一种marker类型，若想赋予多种marker类型，需要多次调用ax.scatter()，但这显然不符合我们的本次绘图的主要意图。这种情况的绘图详见本文中第四部分所讲内容。

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

四、多种颜色的普通分组散点图

1.示例数据如下

表格如下（示例）：

班别语文成绩(分/100分制)数学成绩(分/100分制)英语成绩(分/100分制)
甲班807090
9090100
7595100
658585
857575
958590
10090100
100100100
8010075
708570
909085
959590
859895
869995
928590
908880
958670
907580
857870
1009075
乙班606070
707075
807575
658070
757560
807590
736598
758095
856085
908075
959070
659560
709565
759070
808075
858575
957580
857575
806070
706580
丙班6010080
8010090
100100100
10095100
10095100
1009590
909595
959595
959095
958590
859095
959090
959095
959590
959095
809590
959595
909590
909595
909085

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：
import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
ClassA_M = [70, 90, 95, 85, 75, 85, 90, 100, 100, 85, 90, 95, 98, 99, 85, 88, 86, 75, 78, 90]
ClassA_E = [90, 100, 100, 85, 75, 90, 100, 100, 75, 70, 85, 90, 95, 95, 90, 80, 70, 80, 70, 75]

ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
ClassB_M = [60, 70, 75, 80, 75, 75, 65, 80, 60, 80, 90, 95, 95, 90, 80, 85, 75, 75, 60, 65]
ClassB_E = [70, 75, 75, 70, 60, 90, 98, 95, 85, 75, 70, 60, 65, 70, 75, 75, 80, 75, 70, 80]

ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]
ClassC_M = [100, 100, 100, 95, 95, 95, 95, 95, 90, 85, 90, 90, 90, 95, 90, 95, 95, 95, 95, 90]
ClassC_E = [80, 90, 100, 100, 100, 90, 95, 95, 95, 90, 95, 90, 95, 90, 95, 90, 95, 90, 95, 85]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

group_dataA = [ClassA_C, ClassA_M, ClassA_E]

scatter_dataABC_C = [ClassA_C, ClassB_C, ClassC_C]
scatter_dataABC_M = [ClassA_M, ClassB_M, ClassC_M]
scatter_dataABC_E = [ClassA_E, ClassB_E, ClassC_E]

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['语文', '数学', '英语']
length = len(x_labels)
x_loc = np.arange(length)

# 统计每个刻度标签下有几个group
group_number = len(group_dataA)

total_width = 0.5
scatter_total_width = total_width * 0.65
interval_total_width = total_width * 0.35
scatter_width = scatter_total_width / group_number

###################################################
if group_number == 1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width / (group_number - 1)
###################################################
if group_number % 2 == 0:
    x1_scatter = x_loc - (group_number / 2 - 1) * scatter_width - scatter_width / 2 - (group_number / 2 - 1) * interval_width - interval_width / 2
else:
    x1_scatter = x_loc - ((group_number - 1) / 2) * scatter_width - ((group_number - 1) / 2) * interval_width
x_list_scatter = [x1_scatter + scatter_width * i + interval_width * i for i in range(group_number)]
###################################################

scatter_data = [scatter_dataABC_C, scatter_dataABC_M, scatter_dataABC_E]

for i in range(len(scatter_data)):
    ##################################################################
    # scatter_data_num用来统计每组数据的长度, 画scatter图时会用到
    scatter_data_num = []
    for j in scatter_data[i]:
        scatter_data_num_tmp = len(j)
        scatter_data_num.append(scatter_data_num_tmp)
    ##################################################################
    # 画scatter
    # spotx是每一组scatter所有的点的横坐标
    spotx = []
    for j_spotx, k_spotx in zip(x_list_scatter[i], scatter_data_num):
        spotx_tmp = [j_spotx] * k_spotx
        spotx.append(spotx_tmp)
    # print('$$$spotx:', spotx)
    ax.scatter(spotx, scatter_data[i], c=color_list[i], s=30, label=legend_labels[i], marker=marker_list[i])
    ##################################################################

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(title='学科', loc='center left', bbox_to_anchor=(1.02, 0.5), facecolor='None', edgecolor='#000000',
           frameon=True, ncol=1, markerscale=3, borderaxespad=0, handletextpad=0.1, fontsize='x-large', title_fontsize='x-large')
################################################################################################################
################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：

在这里插入图片描述

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

五、总结

以上就是今天要讲的内容，本文详细介绍了各种散点图的绘制过程和方法，并用实例给大家演示了具体的实现代码和实现逻辑，希望对大家学习画散点图有帮助。

北极熊在南极_whl
关注
  • 3
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python Matplotlib实现三维数据的散点图绘制
ChenHaoUESTC的博客
08-07 1万+
本文采用Python2.7+Matplotlib在PyCharm平台实现实现三维数据的散点图绘制
Python数据可视化 Matplotlib详解（一) —— 折线图与时序数据绘制
pppgu‘s blog
05-09 5074
本小节内容主要是讲解如何利用Matplotlib对时序数据进行绘制
matplotlib绘制散点图（参数大全版）
2301_77444219的博客
04-23 1099
matplotlib绘制散点图，解决汉字和负号显示为方框的问题。
python画散点图
热门推荐
qq_42804105的博客
04-20 7万+
最近在搞聚类算法，所以难免会用到一些散点图的用法，总结一下，方便以后参考。
使用Matplotlib绘制散点图
最新发布
a2315872的博客
06-12 296
在数据分析中，数据的可视化是理解数据趋势和模式的关键步骤。本篇文章将展示如何使用Python的Matplotlib库来绘制一个散点图，该图描绘了2001年至2019年间劳动力人数的变化。我们将从一个预先存储的.npz文件中加载数据，并绘制出相应的散点图。通过本篇文章，我们学习了如何使用Matplotlib库来绘制散点图，并展示了如何从一个.npz文件中加载数据并进行可视化。希望这个例子能够帮助你更好地理解如何使用Matplotlib进行数据分析的可视化工作。
Matplotlib 散点图 绘制详解
一条菜鸟鱼的博客
11-24 2万+
目录 1 散点图 - 基础 代码 图像 2 散点图 - 点的大小 代码 图像 3 散点图 - 点的颜色 代码 图像 4 散点图 - 透明度 代码 图像 5 散点图 - 颜色条 代码 图像 6 散点图 - 多组散点 代码 图像 1 散点图 - 基础 代码 import matplotlib.pyplot as plt import numpy as np # 第一组散点 x = np.array([...
Python散点图
fakerth的博客
09-09 2300
散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。
【Python可视化系列】一文教你绘制不同类型的散点图（理论+源码）
数据杂坛
12-27 5654
一文教你绘制不同类型的散点图（理论+源码）
python绘制散点图
vergil_zsh的博客
03-03 1万+
python 绘制散点图
Python 入门 matplotlib数据可视化基础【二】
12-21
总之，掌握matplotlib的散点图和折线图绘制是Python数据可视化的基础。它们能帮助我们更好地理解数据，发现潜在的模式，进而做出更明智的决策。通过实践和不断探索，你将能够运用matplotlib绘制出更复杂的可视化图表...
Python数据可视化编程通过Matplotlib创建散点图代码示例
01-20
Matplotlib是一个用于创建出高质量图表的桌面绘图包（主要是2D方面）。该项目是由JohnHunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。如果结合PythonIDE使用比如PyCharm，matplotlib还具有诸如...
python中利用matplotlib绘图可视化知识归纳
02-24
importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签plt.rcParams['...plt.bar()绘制条形图plt.scatter()绘制散点图plt.hist()绘制二维条形直方图，显示数据的分配情况plt.
大数据-Python数据可视化-Matplotlib实战:Matplotlib绘图
05-02
大数据--Python数据可视化-Matplotlib实战:Matplotlib 绘图 8-Pandas与sklearn结合实例.ipynb 7-pie与布局.i pynb 6-3D图.ipynb 5-直方图and散点图.ipynb 4-盒图. ipynb 3-条形图.ipynb 2-风格设置.ipynb 1-Matplot ...
chatgpt赋能python：Python画散点图：入门指南及优秀实践
atest166的博客
06-24 1659
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
【数据分析之道-Matplotlib(四)】Matplotlib散点图
阿极的博客
05-17 7911
散点图（Scatter Plot）是一种常用的数据可视化方式，用于展示两个变量之间的关系。Matplotlib提供了丰富的功能来绘制散点图，并可以根据需求进行自定义和调整。 在Matplotlib中，可以使用scatter()函数来绘制散点图。该函数接受两个参数，分别是x和y，表示散点图中各个点的横坐标和纵坐标。
Python画图之散点图（plt.scatter）
深度学习领域优质创作者，CSDN博客专家
09-15 3万+
散点图是可视化的一种常见形式
Matplotlib之散点图绘制
自成背后的博客
03-26 1万+
文章目录1. 散点图简介2. 散点图的应用场景：3. 绘制散点图4. 回归分析 1. 散点图简介 散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。 通过观察散点图上数据点的分布情况，我们可以推断出变量间的相关性。如果变量之间不存在相互 关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性，那么大部分的数据 点就会相对密集并以某种趋势呈现。 数据的相关关系主要分为：正相关（两个变量值同时增长）、负相关（一个变量值增加另
Matplotlib 可视化50图：散点图（1）
冷冻工厂
11-28 1550
导读 本系列将持续更新50个matplotlib可视化示例，主要参考Selva Prabhakaran 在MachineLearning Plus上发布的博文：Python可视化50图。 定义 关联图是查看两个事物之间关系的图像，它能够展示出一个事物随着另一个事物是如何变化的。关联图的类型有：折线图，散点图，相关矩阵等。 关联图 散点图 散点图 测试 导入需要使用的库 import numpy as npimport pandas as pdim
数据可视化库 matplotlib 入门 6——散点图
看流星划过天外的博客
12-31 2602
介绍 matplotlib 绘制散点图的函数 scatter() 并给出了示例。
Python matplotlib 数据可视化实战：数据读取与基本图表
"该资源是关于使用matplotlib进行数据可视化的一个实战案例，作者通过Python的数据分析库pandas读取了一个名为'data.xlsx'的Excel文件，然后利用matplotlib进行数据绘图。文件中的数据包括了从2010年到2018年的数值...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

北极熊在南极_whl

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值