数据可视化库 matplotlib 入门 6——散点图

在前面关于 matploblib 的文章中，笔者分别介绍了：

• matplotlib 库的安装与配置，常用套路和绘图组件。
• 画布和绘图域的创建、图素的设置、用 plot 函数绘制线图并设置图例、网格
• 绘制多种柱状图
• 绘制直方图
• 绘制饼图

本篇介绍 matplotlib 绘制散点图的方法。散点图（Scatter）用于在水平轴和垂直轴上绘制数据点，它展示了因变量随自变量变化的趋势，反映的是一个变量受另一个变量的影响程度。
散点图将序列显示为一组点，其中每个散点值都由该点在图表中的坐标位置表示。对于不同类别的点，则由图表中不同形状、大小或颜色的标记符表示。

scatter() 函数

Matplotlib 提供了 scatter() 函数来绘制散点图，它可以应用在 MATLAB 样式以及面向对象的绘图方法中。当它与 axes 对象一起使用时，其语法格式如下：

• axes.scatter(x, y, s, c, marker, cmap, norm, vmin, vmax, alpha, linewidths, *, edgecolors, plotnonfinite=False, data, **kwargs)
  x，y：长度相同的数组，绘制散点图的数据点。
  s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
  c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
  marker：点的样式，默认小圆圈 ‘o’，可以为’.', ‘,’, ‘o’, ‘v’, ‘^’, ‘<’, ‘>’, ‘1’, ‘2’, ‘3’, ‘4’, ‘s’, ‘p’, ‘*’, ‘h’, ‘H’, ‘+’, ‘x’, ‘D’, ‘d’, ‘|’, ‘_’, ‘None’, None, ’ ', ‘’, ‘$...$’ 之一，或者一个 Path 实例，或者一个元组(numsided, style, angle)：numsided 指定边的数量，style 可以为0(正多边形）、1（星状符号）、2（星）、3（圆），angle 指定散点旋转角度。
  cmap：指定 colormap，可以是 Colormap 实例或者它的名字，当参数 c 为浮点数组时才有效。
  norm：默认 None，指定数据亮度在 0-1 之间，当 c 是一个浮点数组时才使用。
  vmin，vmax：用于辅助默认的 norm 调整亮度，在 norm 参数存在时忽略。
  alpha：透明度设置，0-1 之间，默认 None，即不透明。
  linewidths：一个标量或者序列，设置线宽。
  edgecolors：设定边线的颜色或颜色序列。
  plotnonfinite：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

绘制散点图示例

示例：

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure('Scatter example1', figsize=(9.5, 6.5))

X = np.arange(1, 11)
a_scores = np.array([51, 63, 70, 89, 97, 80, 90, 100, 80, 34])
b_scores = np.array([40, 19, 49, 38, 100, 68, 58, 45, 20, 30])
c_scores = np.array([30, 47, 29, 58, 90, 76, 52, 40, 70, 19])
ax = fig.add_subplot(121)
ax.scatter(X, a_scores, c='r', marker='v', label='a_scores')  # 设置散点的颜色、形状，指定标签
ax.scatter(X, b_scores, c='y', s=[i*2 for i in b_scores], marker=(5, 0, 30), alpha=0.7, edgecolors='c', label='b_scores')  # 绘制不同大小的散点，指定了颜色、形状、透明度、边线颜色
ax.scatter(X, c_scores, c=['b' if i > 50 else 'g' for i in c_scores], s=50, label='c_scores')  # 根据分值是否大于50绘制不同颜色的散点
ax.set_xlabel('N')
ax.set_ylabel('scores')
ax.set_title('Scatter plot 1')
ax.legend()

X = np.arange(1, 101)
ax2 = fig.add_subplot(122)
y1 = X + 10 + np.random.randint(0, 30, 100)
y2 = 2 * X - 10 + np.random.randint(0, 30, 100)
ax2.scatter(X, y1, marker='^', label='y1_values')
ax2.scatter(X, y2, c='r', label='y2_values')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('Scatter plot 2')
ax2.legend()

plt.show()

上述代码绘制图像如下：

以上。