python plt scatter_4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图

目录

前言

散点图是用于观测数据的相关性的，有正相关，负相关，不相关

(一)散点图的基础知识

(1)说明

语法：plt.scatter(x, y, s, c ,marker, alpha)

x,y: x轴与y轴的数据

s: 点的面积

c: 点的颜色

marker: 点的形状

alpha: 透明度

(2)源代码

我们来探讨身高与体重是否相关？

import numpy as np

import matplotlib.pyplot as plt

# 身高与体重的数据

height = [161, 170, 182, 175, 173, 165]

weight = [50, 58, 80, 70, 69, 55]

# 散点图

plt.scatter(height, weight)

plt.ylabel("height")

plt.xlabel("weight")

# 展示图标

plt.show()

(3)输出效果

(二)相关性的举例

1.正相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y2 = x + np.random.randn(N)*0.5

# 散点图

plt.scatter(x, y2)

# 展示图标

plt.show()

(2)输出效果

1.负相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y2 = -x + np.random.randn(N)*0.5

# 散点图

plt.scatter(x, y2)

# 展示图标

plt.show()

(2)输出效果

1.不相关

(1)源代码

import numpy as np

import matplotlib.pyplot as plt

N = 1000

# 数据

x = np.random.randn(N)

y1 = np.random.randn(N)

# 散点图

plt.scatter(x, y1)

# 展示图标

plt.show()

(2)输出效果

(三)实战项目以一股票的分析

(1)说明

有的人说股票的涨跌变动，昨天的与今天的有关，今天我们就用散点图来分析一下。

(2)源代码

import numpy as np

import matplotlib.pyplot as plt

# 1.数据

open_data, close_data = np.loadtxt("000001.csv", delimiter=',', skiprows=1, usecols=(1, 4), unpack=True)

change_data = close_data - open_data

# 1.1前一天的数据

yesterday = change_data[:-1]

# 1.2后一条的数据

today = change_data[1:]

# 2.散点图 s (面积) c (颜色) marker (标记) alpha(透明度)

plt.scatter(yesterday, today, s=500, c="r", marker="^", alpha=0.5)

# 4.展示图

plt.show()

(3)输出效果

作者：Mark

日期：2019/02/08 周五