![d8612824ef73004b8fe57a772bca66bd.png](https://img-blog.csdnimg.cn/img_convert/d8612824ef73004b8fe57a772bca66bd.png)
我们在matplotlib基础中提过图表是由艺术家使用渲染器在画布上完成的。
而艺术家有两种类型:图元与容器。图元表示绘制在画布上的标准图形对象,如:Line2D,容器是放置图元的位置如:Axis,Axes和Figure。标准用法是创建一个Figure实例,使用Figure来创建一个或多个Axes或Subplot实例,并使用Axes实例的辅助方法创建图元。
Axes实例中有20个基础的辅助制图方法,其中就包括scatter方法。
![8638af442e8192960594390bca4356e5.png](https://img-blog.csdnimg.cn/img_convert/8638af442e8192960594390bca4356e5.png)
散点图的首要目的是帮助人们直观的感受自变量与因变量的相关性。自变量与因变量自然也就是绘制散点图的必要参数。
数据将显示为点的集合,每个点的一个变量值确定水平轴上的位置,而另一个变量值确定垂直轴上的位置。
# fake data
np.random.seed(19680801)
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
![5d6af1ee4a370f04a9fcd8554327cffb.png](https://img-blog.csdnimg.cn/img_convert/5d6af1ee4a370f04a9fcd8554327cffb.png)
散点图用于识别两个定量变量之间的关系类型。通常,控制参数或自变量沿水平轴绘制,测量参数或因变量沿垂直轴绘制。如果不存在因变量,则可以在任一轴上绘制任一类型的变量,并且散点图将仅示出两个变量之间的相关程度(不是因果关系)。John Herschel是我们知道的第一个对散点图进行描述的人。
散点图使用笛卡尔坐标系显示一组数据,通常是两个变量的值。如果对点进行了编码(颜色/形状/大小),则可以显示一个或多个附加变量。
scatter方法的参数 c 用于定义点的颜色,参数 s 用于定义点的大小。
# fake data 2
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2 # 0 to 15 point radii