python基础——matplotlib——scatter和plot方法中的maker参数（点的样式）

一、scatter

scatter方法主要用来做散点图展示，而plot方法主要用来做折线图展示，也可以用于散点图的展示。两个方法的参数基本是通用的。以scatter方法为例，常用参数包括： 

plt.scatter(
    ['x', 'y', 's=None', 'c=None', 'marker=None', 'cmap=None', 'norm=None', 'vmin=None', 'vmax=None', 'alpha=None', 'linewidths=None', 'verts=<deprecated parameter>', 'edgecolors=None', '*', 'plotnonfinite=False', 'data=None', '**kwargs'],
)

• x, y：具有相同长度的一维数据，散点的X和Y轴对应的数据。
• s：数值型，控制点的大小。
• c：字符串，控制点的颜色，常用的颜色字符串为b（blue，蓝色）、c（cyan，品红）、g（green，绿色）、k（black，黑色）、m（magenta，红色）、w（white，白色）、y（yellow，黄色）。
•  marker：字符串，控制点的样式，样式列表如下表所示。

为了展示，我们按照上面17种marker类型，将数据聚类成17类，样本点的分布如下：

import matplotlib.pyplot as plt  
import numpy as np  
from sklearn.cluster import KMeans
from sklearn import datasets 
from sklearn.decomposition import PCA, FactorAnalysis

iris = datasets.load_iris() 

#降维
iris_pca = PCA(n_components=2)
iris_pca_score = iris_pca.fit_transform(iris.data)

#聚类
iris_kmeans = KMeans(n_clusters=17, n_init=15) 
iris_kmeans.fit(iris.data)

#可视化
plt.figure(figsize=[12, 9])

for cluster, marker in zip(range(17), ['.',',', 'o','v','^','<','>','8','s','p','*','+','D','d','x','|','_']):
    x_axis = iris_pca_score[:, 0][iris_kmeans.labels_ == cluster]
    y_axis = iris_pca_score[:, 1][iris_kmeans.labels_ == cluster]
    plt.scatter(x_axis, y_axis, s=60,marker=marker)
    
plt.show()

 输出：

二、plot

在plot方法的marker值中，还可设定为线条的样式’-’为实线、'--’为虚线、'-.’为点虚线、':’为点虚线。

• norm:float型，控制点图的数据亮度，取值范围[0,1]。
• alpha:float型，控制点图透明度，取值范围[0,1]。

另外，在plot方法中，经常会用到label参数，用来实现多个线条的标签。