目录
- 前言
- 1. 散点图概述
- 什么是散点图？
- 散点图使用场景
- 绘制散点图步骤
- 案例展示
- 2. 散点图属性
- 设置散点大小
- 设置散点颜色
- 设置散点样式
- 设置透明度
- 设置散点边框
- 3. 添加折线散点图
- 4. 多类型散点图
- 5. 颜色条散点图
- 6. 曲线散点图
- 总结
前言
我们在matplotlib模块学习中，发现有常用的反映数据变化的折线图，对比数据类型差异的柱状图和反应数据频率分布情况的直方图。
其实在数据统计图表中，有一种图表是散列点分布在坐标中，反应数据随着自变量变化的趋势。
本期，我们将详细学习matplotlib 绘制散点图相关属性的学习，let’s go~
1. 散点图概述
什么是散点图？
- 散点图用于在水平轴和垂直轴上绘制数据点，数据以点状分布在左标系中
- 散点图表示因变量随着自变量而变化的大致趋势
- 散点图由多个左坐标点构成，考察坐标点的分布，判断是否存在某种关联或者分布模式
- 对于不同类别的点，则由图表中不同形状或颜色的标记符表示
- 散点图主要分为散点图矩阵、三维散点图、arcgis散点图
散点图使用场景
- 散点图用于比较跨类别的聚合数据
- 散点图用于分析数据线性、多项式趋势情况
- 散点图用于四象限分析
- 散点图用于找到数据趋势公式
- 散点图可以为后期精确的图标进行辅助
绘制散点图步骤
- 导入matplotlib.pyplot模块
- 准备数据，可以使用numpy/pandas整理数据
- 调用pyplot.scatter()绘制散点图
案例展示
本次案例我们将分析某产品不同定价销售额分布情况
案例需要准备两组数据x和y轴，其中x，y轴的数据量要保持一致
x_value = np.random.randint(50,100,50) y_value = np.random.randint(500,1000,50)
绘制散点
import matplotlib.pyplot as plt
import numpy as np
plt.rcparams["font.sans-serif"]=['simhei'] plt.rcparams["axes.unicode_minus"]=false
x_value = np.random.randint(50,100,50)
y_value = np.random.randint(500,1000,50)
plt.scatter(x_value,y_value)
plt.title("data analyze")
plt.xlabel("销售价格")
plt.ylabel("销售额")
plt.show()
2. 散点图属性
设置散点大小
关键字：s
传入数据类型为list或者数字，默认为20
设置散点颜色
关键字：c
默认颜色为蓝色
取值范围
- 表示颜色的英文单词：如红色”red”
- 表示颜色单词的简称如：红色”r”,黄色”y”
- rgb格式：十六进制格式如”#88c999″;(r,g,b)元组形式
- 也可以传入颜色列表
设置散点样式
关键字：marker
系统默认为’o’小圆圈
取值还可以取：(‘o’, ‘v’, ‘^’, ‘<‘, ‘>’, ‘8’, ‘s’, ‘p’, ‘*’, ‘h’, ‘h’, ‘d’, ‘d’, ‘p’, ‘x’)
设置透明度
关键字：alpha
取值范围：0~1
设置散点边框
关键字： edgecolor
默认为face
取值选项：
- “face”|”none”
- 表示颜色的英文单词、简写或者rgb
我们结合上一节的案例，设置散点大小，散点边框为粉色，散点颜色为#88c999
size = (20*np.random.rand(50))**2 plt.scatter(x_value,y_value,s=area,c="#88c999",edgecolors="pink"
3. 添加折线散点图
我们在查看散点图时，有时候会借助折线图来辅助分析。我们继续拿第一节的数据来分析。
我们使用np.random.rand()来生成100个随机数据
x_value = 100*np.random.rand(100) y_value = 100*np.random.rand(100)
需要借助我们高中的数学公司如sin\cos函数等（高中数学都还给老师了）
使用pyplot.plot()方法来绘制曲线图
r0 = 80 plt.scatter(x_value,y_value,c="hotpink",edgecolors="blue") the = np.arange(0,np.pi/2, 0.01) plt.plot(r0*np.cos(the),r0*np.sin(the))
4. 多类型散点图
我们在观察数据的时候，会同时比较多个类型数据，因此我们可以通过颜色或者散点样式来区分表示
方式一： 使用颜色来区分不同类别时，我们需要再添加新的数据和scatter方法
x_value = 100*np.random.rand(100) y_value = 100*np.random.rand(100) y1_value = 100*np.random.rand(100) plt.scatter(x_value,y_value, c="hotpink",edgecolors="blue",label="a产品") plt.scatter(x_value,y1_value, c="#88c999", edgecolors="y",label="b产品")
方式二：我们可以使用marker来标记不同类型，例如我们使用上一节的案例再添加一个scatter()
r0 = 80 size = (20*np.random.rand(100))**2 r = np.sqrt(x_value**2+y_value**2) area = np.ma.masked_where(r > r0,size) area1 = np.ma.masked_where(r <= r0, size) plt.scatter(x_value,y_value,s=area,c="hotpink",edgecolors="blue",label="a产品") plt.scatter(x_value, y_value, s=area1, c="red", edgecolors="y",marker="^",label="b产品") the = np.arange(0,np.pi/2, 0.01) plt.plot(r0*np.cos(the),r0*np.sin(the))
5. 颜色条散点图
在散点图表中，我们为了对每个点颜色深浅进行表示，我们可以借助cmap颜色条来进行添加
- 颜色条显示关键字：cmap
- 默认为viridis,可选值如accent_r,blues_r,brbg_r,greens_r等等
- 表示每种颜色从0~100的值
当要显示颜色列表时，我们需要调用pyplot.colorbar()
例如，我们对散点图添加一个红色系的颜色列表
size = (20*np.random.rand(100))**2 color = np.random.randint(0,100,100) plt.scatter(x_value,y_value, s=size, c=color,label="a产品",cmap="afmhot_r") plt.colorbar()
6. 曲线散点图
散点图都是由一个一个坐标点组成的，当这些点具有一定规律时，我们可以使用散点图来绘制曲线。
我们使用scatter()绘制一个2次方的幂函数
x_value = list(range(1, 100)) y_value = [x ** 2 for x in x_value] plt.scatter(x_value,y_value,c=y_value,cmap="hot_r",edgecolors="none",s=50) plt.show()
总结
本期，我们对matplotlib.pyplot 绘制散点图scatter方法及相关属性进行详细的学习。对于暂时没有找到规律的数据来说，使用散点图可以快速发现数据的分布情况
以上就是python matplotlib 绘制散点图详解建议收藏的详细内容，更多关于python matplotlib 绘制散点图的资料请关注www.887551.com其它相关文章！
