Python数据可视化的例子——散点图（scatter）

（关系型数据的可视化）
散点图用于发现两个数值变量之间的关系
如果需要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系，或者是趋势性的非线性关系，那么散点图将是最佳的选择。

1．matplotlib模块

matplotlib模块中的scatter函数可以非常方便地绘制两个数值型变量的散点图。这里首先将该函数的语法及参数含义写在下方，以便读者掌握函数的使用：

scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None,
     vmax=None, alpha=None, linewidths=None, edgecolors=None)

• x：指定散点图的x轴数据。
• y：指定散点图的y轴数据。
• s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制。
• c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小。
• marker：指定散点图点的形状，默认为空心圆。
• cmap：指定某个Colormap值，只有当c参数是一个浮点型数组时才有效。
• norm：设置数据亮度，标准化到0～1，使用该参数仍需要参数c为浮点型的数组
• vmin、vmax：亮度设置，与norm类似，如果使用norm参数，则该参数无效。 alpha：设置散点的透明度。
• linewidths：设置散点边界线的宽度。
• edgecolors：设置散点边界线的颜色。
  下面以iris（鸢尾花）数据集为例：
  
  探究如何应用matplotlib模块中的scatter函数绘制花瓣宽度与长度之间的散点图，绘图代码如下：

import pandas as pd
import matplotlib.pyplot as plt

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读入数据
iris = pd.read_csv(r'iris.csv')
# 绘制散点图
plt.scatter(x = iris.Petal_Width, # 指定散点图的x轴数据
            y = iris.Petal_Length, # 指定散点图的y轴数据
            color = 'steelblue' # 指定散点图中点的颜色
           )
# 添加x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 添加标题
plt.title('鸢尾花的花瓣宽度与长度关系')
# 显示图形
plt.show()

如上图所示，通过scatter函数就可以非常简单地绘制出花瓣宽度与长度的散点图。如果使用pandas模块中的plot方法，同样可以很简单地绘制出散点图。

2．pandas模块

import pandas as pd
import matplotlib.pyplot as plt

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读入数据
iris = pd.read_csv(r'iris.csv')
# Pandas模块绘制散点图
# 绘制散点图
iris.plot(x = 'Petal_Width',
          y = 'Petal_Length',
          kind = 'scatter',  #scatter——散点图
          title = '鸢尾花的花瓣宽度与长度关系')
# 修改x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 显示图形
plt.show()

结果：

尽管使用这两个模块都可以非常方便地绘制出散点图，但是绘制分组散点图会稍微复杂一点。如果读者使用seaborn模块中的lmplot函数，那么绘制分组散点图就太简单了，而且该函数还可以根据散点图添加线性拟合线。

3．seaborn模块

为了使读者清楚地掌握lmplot函数的使用方法，有必要介绍一下该函数的语法和参数含义：

lmplot(x, y, data, hue=None, col=None, row=None, palette=None,
	   col_wrap=None, size=5, aspect=1, markers='o', 
	   sharex=True, sharey=True, hue_order=None, col_order=None, 
	   row_order=None, legend=True, legend_out=True, scatter=True,
       fit_reg=True, ci=95, n_boot=1000, order=1, logistic=False, 
       lowess=False, robust=False, logx=False, x_partial=None, 
       y_partial=None, truncate=False, x_jitter=None, y_jitter=None, 
       scatter_kws=None, line_kws=None)

• x,y：指定x轴和y轴的数据。
• data：指定绘图的数据集。
• hue：指定分组变量。
• col,row：用于绘制分面图形，指定分面图形的列向与行向变量。
• palette：为hue参数指定的分组变量设置颜色。
• col_wrap：设置分面图形中每行子图的数量。
• size：用于设置每个分面图形的高度。
• aspect：用于设置每个分面图形的宽度，宽度等于size*aspect。
• markers：设置点的形状，用于区分hue参数指定的变量水平值。
• sharex,sharey：bool类型参数，设置绘制分面图形时是否共享x轴和y轴，默认为True。
• hue_order,col_order,row_order：为hue参数、col参数和row参数指定的分组变量设值水平值顺序。
• legend：bool类型参数，是否显示图例，默认为True。
• legend_out：bool类型参数，是否将图例放置在图框外，默认为True。
• scatter：bool类型参数，是否绘制散点图，默认为True。
• fit_reg：bool类型参数，是否拟合线性回归，默认为True。
• ci：绘制拟合线的置信区间，默认为95%的置信区间。
• n_boot：为了估计置信区间，指定自助重抽样的次数，默认为1000次。
• order：指定多项式回归，默认指数为1。
• logistic：bool类型参数，是否拟合逻辑回归，默认为False。
• lowess：bool类型参数，是否拟合局部多项式回归，默认为False。
• robust：bool类型参数，是否拟合鲁棒回归，默认为False。
• logx：bool类型参数，是否对x轴做对数变换，默认为False。
• x_partial,y_partial：为x轴数据和y轴数据指定控制变量，即排除x_partial和y_partial变量的影响下绘制散点图。
• truncate：bool类型参数，是否根据实际数据的范围对拟合线做截断操作，默认为False。
• x_jitter,y_jitter：为x轴变量或y轴变量添加随机噪声，当x轴数据与y轴数据比较密集时，可以使用这两个参数。
• scatter_kws：设置点的其他属性，如点的填充色、边框色、大小等。
• line_kws：设置拟合线的其他属性，如线的形状、颜色、粗细等。

该函数的参数虽然比较多，但是大多数情况下读者只需使用几个重要的参数，如x、y、hue、data等。接下来仍以iris数据集为例，绘制分组散点图，绘图代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
# 读入数据
iris = pd.read_csv(r'iris.csv')
# seaborn模块绘制分组散点图
sns.lmplot(x = 'Petal_Width', # 指定x轴变量
           y = 'Petal_Length', # 指定y轴变量
           hue = 'Species', # 指定分组变量
           data = iris, # 指定绘图数据集
           legend_out = False, # 将图例呈现在图框内
           truncate=True # 根据实际的数据范围，对拟合线作截断操作
          )
# 修改x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')
# 添加标题
plt.title('鸢尾花的花瓣宽度与长度关系')
#设置横纵坐标的刻度范围
plt.xlim((0, 2.7))   #x轴的刻度范围被设为a到b
plt.ylim((0, 7.5))    #y轴的刻度范围被设为a'到b'
# 显示图形
plt.show()

结果：

注：setosa、versicolor、virginica是鸢尾花的不同种类
如上图所示，lmplot函数不仅可以绘制分组散点图，还可以对每个组内的散点添加回归线（上图默认拟合线性回归线）。分组效果的体现是通过hue参数设置的，如果需要拟合其他回归线，可以指定lowess参数（局部多项式回归）、logistic参数（逻辑回归）、order参数（多项式回归）和robust参数（鲁棒回归）。