Matplotlib散点图的创建_Python数据分析与可视化

plot绘制散点图

散点图也是在数据科学中常用图之一，前面的文章我们学习了使用plt.plot/ax.plot画线形图的方法。同样的，现在用这些函数来画散点图：

x = np.linspace(0, 10, 30)
y = np.sin(x)
plt.plot(x, y, 'o', color='black')

函数的第三个参数是一个字符，表示图形符号的类型。与我们之前用-和--设置线条属性类似，对应的图形标记也有缩写形式。

rng = np.random.RandomState(0)
for marker in ['o', '.', ',', 'x', '+', 'v', '^', '<', '>', 's', 'd']:
    plt.plot(rng.rand(5), rng.rand(5), marker,label="marker='{0}'".format(marker))
plt.legend(numpoints=1)
plt.xlim(0, 1.8);
plt.savefig("T1.png")
plt.show()

常用标记如下：

plt.plot函数非常灵活，可以满足各种不同的可视化配置需求。
（由于文章篇幅有限，关于具体配置的完整描述，可以参考plt.plot文档，这里就不多介绍了，大家多多尝试就好。）

scatter画散点图

另一个可以创建散点图的函数是plt.scatter。它的功能非常强大，其用法与plt.plot函数类似：

x = np.linspace(0, 10, 30)
y = np.sin(x)
plt.scatter(x, y, marker='o');

结果和前面plt.plot画的一样。plt.scatter和plt.plot的主要差别在于，前者在创建散点图时具有更高的灵活性，可以单独控制每个散点与数据匹配，也可以让每个散点具有不同的属性（大小、颜色等）。

接下来画一个随机散点图，里面有各种颜色和大小的散点。为了能更好的显示重叠部分，用alpha参数来调整透明度：

rng = np.random.RandomState(0)
x = rng.randn(100)
y = rng.randn(100)
colors = rng.rand(100)
sizes = 1000 * rng.rand(100)
plt.scatter(x, y, c=colors, s=sizes, alpha=0.3,
cmap='viridis')
plt.colorbar() # 显示颜色条

这里散点的大小以像素为单位。颜色为浮点数，自动映射成颜色条（color scale，通过colorbar()显示）。当取值为浮点数时，它所对应的颜色则是对应的colormap上对应长度的取值，colormap就像以下这样的条带：

这样，散点的颜色与大小就可以在可视化图中显示多维数据的信息了。例如，可以使用sklearn程序库中的鸢尾花数据来演示。它里面有三种花，每个样本是一种花，其花瓣与花萼的长度与宽度都经过了测量：

from sklearn.datasets import load_iris
iris = load_iris()
features = iris.data.T#加载数据
plt.scatter(features[0], features[1], alpha=0.2,
s=100*features[3], c=iris.target, cmap='viridis')
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1]);

散点图可以让我们同时看到不同维度的数据：每个点的坐标值（x, y）分别表示花萼的长度和宽度，而点的大小表示花瓣的宽度，三种颜色对应三种不同类型的鸢尾花。

这类多颜色与多特征的散点图在探索与演示数据时非常有用。

plot与scatter效率对比

plot与scatter除了特征上的差异之外，在数据量较大时，plot的效率将大大高于scatter。

这时由于scatter会对每个散点进行单独的大小与颜色的渲染，因此渲染器会消耗更多的资源。而在plot中，散点基本都彼此复制，因此整个数据集中的所有点的颜色、大小只需要配置一次。所以面对大型数据集时，plot方法比scatter方法好。