可视化绘图技巧100篇基础篇（七）-散点图（三）

目录

前言

绘图工具及代码实现

帆软

图表特点

准备数据

插入图表

设计线性回归散点图

绑定数据

设置样式

效果预览

PC 端

移动端

 GraphPad

 一、XY 散点图

二、柱状散点图

三、Nested 巢式散点图

 Echarts

 R语言

一、绘制最简单的散点图

二、改变散点的形状、颜色

Tableau

---

 

前言

散点图（Scatter Graph, PointGraph, X-Y Plot, Scatter Chart或者 Scattergram）是科研绘图中最常见的图形类型之一，通常用于显示和比较数值。散点图是使用一系列的散点在直角坐标系中展示变量的数值分布。在二维散点图中，可以通过观察两个变量的数据分析，发现两者的关系与相关性，如图3-1-1所示。散点图可以提供三类关键信息：（1）变量之间是否存在数量关联趋势；（2）如果存在关联趋势，是线性还是非线性的；（3）观察是否有存在离群值，从而分析这些离群值对建模分析的影响。 

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（一个变量值增加另一个变量值下降）、不相关、线性相关、指数相关等，表现在散点图上的大致分布如右图所示。那些离点集群较远的点我们称为离群点或者异常点(Outliers)。

作为自变量的因素与作为因变量的预测对象是否有关，相关程度如何，以及判断这种相关程度的把握性多大，就成为进行回归分析必须要解决的问题。进行相关分析，一般要求出相关关系，以相关系数的大小来判断自变量和因变量的相关的程度：强相关、弱相关和无相关等。