python数据可视化--matplotlib绘制散点图

散点图是由一些散乱的点组成的图，这些点的位置由Ｘ轴坐标值与Ｙ轴坐标值共同决定。散点图在数据分析中常用于表达数据关系的位置。

在matplotlib库，使用plt.scatter()函数生成散点图，比如：

import matplotlib.pyplot as plt
import numpy as np 


x=[0,1,2,3,4,5,6,7,8,9] 
y=[6,3,6,5,5,5,0,3,2,8]


plt.scatter(x,y)
plt.show()
复制

plt.scatter()函数取x列表第1个数与y列表第1个数组合成一个坐标(0,6)，将其显示在坐标系中，然后取第2个数进行组合，以此类推。

下面介绍plt.scatter()函数的主要参数。

size的缩写，设置散点的大小。若是给定一个数值，则所有点的大小一致；若是给定一个数组，则每个点的大小不同。

color的缩写，设置散点的颜色。若只有一个值，则所有的点设置为同一个颜色，若给定一个颜色数组，则不同的点可以设置成不同的颜色，若给定浮点数的数组，则映射到相应的颜色。

用于设置散点的标记，用法与折线图的marker参数一对称，具体参考《python数据可视化--matplotlib绘制折线图(2)》对marker的详细介绍。

表示数据点的颜色映射表，仅当参数c为浮点数的数组时才可用。cmap需要花很大的篇幅进行介绍，往后再详细讲解，在此先按下不表。

表示数据的亮度，取值范围在0~1，只有c是一个浮点数的数组的时候才使用。

表示数据的透明度，取值范围在0~1。

表示数据点边缘的宽度。

表示数据点边缘的颜色。

接下来看一段代码：

import matplotlib.pyplot as plt
import numpy as np 
plt.rcParams['font.family']='SimHei'
plt.rcParams['axes.unicode_minus']=False


x=np.random.normal(-8,5,100)
y=np.random.normal(-8,5,100)
x1=np.random.normal(5,5,50)
y1=np.random.normal(5,5,50)


plt.scatter(x1,y1,marker='^',label='小学')
plt.scatter(x,y,s=30,label='大学')
plt.legend()
plt.title('某城市小学与大学分布图')
plt.show()
复制

代码第6-7行在均值为-8，方差为5的正态分布中随机抽样100个点，第8-9行在均值为5，方差为5的正态分布中随机抽样50个点，分别生成两部分的散点图。

用不同的颜色与不同的大小来显示两部分的数据点，整个图就显得区分度比较高。

其它参数的用法，留待下节慢慢细品。