matplotlib绘制散点图

1.绘制一个点

from matplotlib import pyplot as plt
plt.scatter(2, 4)
plt.show()

效果

 改变点的大小，添加横纵轴文字描述

import matplotlib.pyplot as plt


plt.scatter(2, 4, s=200)

# 设置图表标题并给坐标轴加上标签 
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

效果

2.绘制一些点

import matplotlib.pyplot as plt
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25] 
plt.scatter(x_values, y_values, s=100)

# # 设置图表标题并给坐标轴加上标签 
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14)

# # 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

结果

3.绘制更多点，y坐标通过计算得到，是x坐标的平方。

import matplotlib.pyplot as plt


x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values)

# # 设置图表标题并给坐标轴加上标签 
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14)
# # 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置坐标轴坐标值的显示范围
plt.axis([0, 1100, 0, 1100000])
plt.show()

效果像是一条连续的平滑曲线，而实际上我们在[0,1000]这个区间上只采样了1000个点。

 4.散点图点的颜色

# 参数c指定点的颜色 
# c可以接受以下两种格式的实参：颜色名称或者颜色对应的RBG三元组
plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)
# RBG三元组（每一维都是0-1之间的小数）
plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)

5.使用颜色映射表

颜色映射(colormap)是一系列颜色，从起始颜色渐变到结束颜色

在散点图中，可以参考下面代码的用法来使用colormap， 指定颜色参数c为y坐标，颜色映射参数cmap为matplotlib预定义的蓝色

import matplotlib.pyplot as plt


x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]
# plt.scatter(x_values, y_values)
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s=40)

# # 设置图表标题并给坐标轴加上标签 
plt.title("Square Numbers", fontsize=24) 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Square of Value", fontsize=14)
# # 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.axis([0, 1100, 0, 1100000])
plt.show()

可看到这样的效果图 将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色