matplotlib散点图点大小_python可视化必看，用三种方式学会散点图！

作者：潘彼得

本文我们将使用Python的三种绘图包Matplotlib、Seaborn、ECharts为大家展示如何对数据进行可视化以及如何选择和解读图表，如有解读不恰当的地方还请各位多多指教。

散点图概述

用两组变量的数据构成多个坐标点，观察坐标点的分布，从而判断两变量之间是否存在某种关联或总结坐标点的分布模式。

特征与适用

散点图常用于显示和比较跨类别的聚合数据，且数据量越多，散点图的效果也会越明显。从散点图可以解读出的信息有：变量间是否存在数量关联趋势、存在线性还是曲线的关联趋势、判断数据中是否有离群点等。

数据简介

本次使用的数据集是使用了seaborn中自带的线上数据，是一组餐厅经营的数据，共7个字段： - 连续型变量有2个：total_bill(消费金额)，tip(小费金额)； - 离散型变量有5个：sex(性别)，smoker(是否吸烟)，day(就餐日期：周一~周日)，time(就餐时间：Lunch/Dinner),size(就餐人数)。

#导入需要用到的绘图库

数据思考

获取到数据之后我们可以从业务角度出发，设想几个问题，带着问题去探索数据

例如：1影响小费金额的大小因素有哪些，分别是什么关系？

2通过数据探索，我们还可以得知哪些信息？

3对餐厅有没有经营建议？

绘图

Matplotlib.pyplot

matplotlib是Python的一个绘图库，其中pyplot封装了很多类似 MATLAB 中的绘图相关函数，是Python比较常用绘图方式，绘图可定制性较强，图片也会根据参数的调整而产生变化。pyplot主要用于交互式绘图和简单的程序化绘图。

#绘制散点图,查看小费金额与客户消费金额的关系

通过设置函数参数，把它变成我们想要的样式：

#设置坐标点参数

通过散点图可以看到，小费和消费金额呈正比，即消费金额越大，小费金额越高。

matplotlib绘图相对基础，根据我们的需求想法设置不同的参数就可以了，有兴趣的可以去官网探索https://matplotlib.org/。

Seaborn

Seaborn是基于matplotlib的Python数据可视化库。它提供了一个高级界面，用于绘制引人入胜且内容丰富的统计图形。Seaborn库旨在将可视化作为探索和理解数据的核心部分，有助于帮人们更近距离了解所研究的数据集。无论是在kaggle官网各项算法比赛中，还是互联网公司的实际业务数据挖掘场景中，都有它的身影。

图一

#查看小费与消费金额之间的关系，并用吃饭时间表示散点的颜色

上图可以看到：1.小费和消费金额呈正比，即消费金额越大，小费金额越高；2.该店晚上客流量高于中午的客流量;3. 小费金额区间大约为[1,6],消费金额大约为区间[8,40]

图二

#通过增加参数增加图片显示的信息维度，用散点颜色表示是否抽烟，散点形状表示性别

上图可以看到：1.该店吸烟人士大多为男士；2.小费金额在5以上的大都是不吸烟男士贡献的，但小费金额的最大值是一位吸烟的男士，我们可以把它当作"离群点"；3.男士给的小费金额普遍高于女士；

图三

#继续增加维度

上图可以看到：1.消费金额会随着就餐人数增多而增加，且小费也会随之增加，且该店就餐人数2人同行居多；2.大部分的吸烟人士处于消费金额较底的区间；

图四

sns

上图展示了7个维度的信息，绿色圆圈代表吸烟女性，绿色菱形代表吸烟男性，蓝色圆圈代表不吸烟女性，蓝色菱形代表不吸烟男性，可以看出：1.tips数据集时间为周四~周日该店的就餐情况，且客流量主要集中在周四中午和周末晚上；2.此家餐厅女性就餐相对较少；

Echarts

ECharts，一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

在我看来ECharts最大的特点就是可以让图片动起来，在展示和表现力上更胜一筹。

from 

通过对数据的探索，我们可以对此家餐厅提出以下经营建议：

• 该店就餐人数2人居多，可适当增加两人餐桌；
• 该店就餐女性较少，可考虑做一些活动或适合女性的餐饮来吸引女性；
• 该店午餐客流量较少，如果想增加午餐时间客流量，可以进一步探索数据对症下药；

如果我的分享对你有帮助，请关注我们，以后会有更多精彩的内容呈现。