Python数据可视化学习笔记：第一章 关联图 第二节 使用Python绘制多类别散点图

前言

声明：这个系列的博文都是我自己学习所得的东西，秉承着每天进步一点点的理念进行学习，我参考的课程是《菊安酱与菜菜的Python机器学习可视化50图》，使用的Python版本为3.6.4。
今天学习的内容是多类别散点图的绘制，之前我有用到过这样的图，主要是为了表达多阈值对地物的分离程度。我把这次的学习分为两种，第一种是无图例的，第二种是有图例的。

无图例的多类别散点图制作

区分的目的是多类别数据的散点图的图例生成较为复杂，，先从简单的入手。

#Author:Albert（CSDN:一个跻身科研大浪的小白）
#Time:2020/03/23
#usage:散点图

import numpy as np #数学处理库
import pandas as pd #用于处理.csv excel html 文本等文件
import matplotlib as mpl #画图像的库
import matplotlib.pyplot as plt #画二维图像的库
import seaborn as sns #颜色库

#2.无图例，分类型变量，即存在有两种数据，两列X对应一列y的情况
x = np.random.randn(10,2)#10行2列的数据集
y = np.array([0,0,1,1,0,1,0,1,0,0])#类别：假设目前有两种类型的数据分别是0和1

plt.figure(figsize=(8,4))

plt.scatter(x[:,0],x[:,1],s=50,c=y)

plt.show()

看看效果：

此时基本出现了多类别散点图的效果，现在需要加入图例，使图片完整，如果按照简单的散点图的图例生成方法进行，会怎么样呢？大家可以尝试。

有图例的多类别散点图

思路：我们可以遍历每一个点的类别和颜色，然后生成不同类别的图例。
接下来，我来给出代码:

#Author:Albert（CSDN:一个跻身科研大浪的小白）
#Time:2020/03/23
#usage:散点图

import numpy as np #数学处理库
import pandas as pd #用于处理.csv excel html 文本等文件
import matplotlib as mpl #画图像的库
import matplotlib.pyplot as plt #画二维图像的库
import seaborn as sns #颜色库

#3.有图例，分类型变量，即存在有两种数据，两列X对应一列y的情况
x = np.random.randn(10,2)#10行2列的数据集
y = np.array([0,0,1,1,0,1,0,1,0,0])#类别：假设目前有两种类型的数据分别是0和1

plt.figure(figsize=(8,4))

#要想生成两个图例，就要循环，分别循环颜色和标签

colors = ["red","black"]
labels=["Zero","One"]

for i in range(x.shape[1]):
	plt.scatter(x[y==i,0],x[y==i,1],c=colors[i],label=labels[i])

#在标签中存在几种类别，我们就循环几次，一次画一个点
plt.legend()
plt.show()

来看看效果，已经达到了我们的效果：

完整代码

我会把每一期的代码都以注释的形式展示，这样慢慢增大知识库。

#Author:Albert（CSDN:一个跻身科研大浪的小白）
#Time:2020/03/23
#usage:散点图

import numpy as np #数学处理库
import pandas as pd #用于处理.csv excel html 文本等文件
import matplotlib as mpl #画图像的库
import matplotlib.pyplot as plt #画二维图像的库
import seaborn as sns #颜色库

#画散点图的函数plt.scatter()

'''#1.绘制一个简单的散点图：X1和X2之间的关系图

#定义数据
x1 = np.random.randn(10)#取10个随机数，其中random为随机数函数，randn为取的数是正态分布的数
x2 = x1+x1**2-10

#确定一个画布，当只有一个图可以不确定
plt.figure(figsize=(8,4))#第一条线是横的，第二条是竖的

#绘图
plt.scatter(x1,x2,s=20,c="blue",label="Positive")#(横纵坐标，点的尺寸大小，颜色，图例的名称可以不写)

#装饰图形
plt.legend()#显示图例

plt.show()#显示图形'''


'''#2.无图例，分类型变量，即存在有两种数据，两列X对应一列y的情况
x = np.random.randn(10,2)#10行2列的数据集
y = np.array([0,0,1,1,0,1,0,1,0,0])#类别：假设目前有两种类型的数据分别是0和1

plt.figure(figsize=(8,4))

plt.scatter(x[:,0],x[:,1],s=50,c=y)

plt.show()'''


#3.有图例，分类型变量，即存在有两种数据，两列X对应一列y的情况
x = np.random.randn(10,2)#10行2列的数据集
y = np.array([0,0,1,1,0,1,0,1,0,0])#类别：假设目前有两种类型的数据分别是0和1

plt.figure(figsize=(8,4))

#要想生成两个图例，就要循环，分别循环颜色和标签

colors = ["red","black"]
labels=["Zero","One"]

for i in range(x.shape[1]):
	plt.scatter(x[y==i,0],x[y==i,1],c=colors[i],label=labels[i])

#在标签中存在几种类别，我们就循环几次，一次画一个点
plt.legend()
plt.show()

练习：增强实用性

我们在进行实际操作时，不可能使用的是简单的随机数，而是我们的成果。下面就以一个实例增强代码的实用性，例如：有一个EXCLE表格中含有三个类型的变量，我们怎么生成这样的多类别散点图呢？
（下面的数据是我在做项目的真实数据所以不共享了，我对重要的部分做了隐藏，大家可以以自己的数据做实验）
效果先展示一下，答案明天给出：

思考

这样的代码对于类别较少的数据还可以自己纯手动敲，但是对于几十种类型呢？