88、折线图属性设置

自动计算数据

很多时候手动输入数据效率太低，可以使用Python循环来计算。下面是绘制1000个点的代码：

图片发自App

首先创建一个包含x坐标的列表x_values，包含数字1~1000，函数range()自动生成指定范围内的数，包含下限但不包含上限。接下来生成一个y值的列表解析，它使用for循环遍历x的值，计算其平方值(x**2)，

并将结果存储到列表y_values 中。然后，将输入列表和输出列表传递给scatter()

由于输入是数据比较多，我们可以将点设置较小，并使用函数axis()指定每个坐标的取值范围。函数axis()要求提供四个值：x的最小值、x的最大值、y的最小值、y的最大值。在这里，我们把x坐标的范围设置为0~1100，y坐标取值范围为0~1100000。结果如下：

图片发自App

删除数据点的轮廓

matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据

点的轮廓，可在调用scatter() 时传递实参edgecolor='none' 。可我在实际操作过程中发现，用不用实参edgecolor='none'，图像前后变化不大。

自定义颜色

要修改数据点的颜色，可向scatter() 传递参数c ，并将其设置为要使用的颜色的名称，如下所示：

图片发自App

图片发自App

还可以使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c ，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量。例如，下面的代码行创建一个由淡蓝色点组成的散点图：其中值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅。

图片发自App

图片发自App

使用颜色映射

颜色映射 （colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。模块pyplot 内置了一组颜色映射。要使用这些颜色映射，需要告诉pyplot 该如何设置数据集中每个点的颜色。下面演示了如何根据每个点的 y 值来设置其颜色：

图片发自App

我们将参数c 设置成了一个 y 值列表，并使用参数cmap 告诉pyplot 使用哪个颜色映射，camp可以使用的颜色有['Blues', 'BuGn', 'BuPu', 'GnBu', 'Greens', 'Greys', 'Oranges', 'OrRd', 'PuBu', 'PuBuGn', 'PuRd', 'Purples', 'RdPu', 'Reds', 'YlGn', 'YlGnBu', 'YlOrBr', 'YlOrRd']。

这些代码将 y 值较小的点显示为浅绿色，并将 y 值较大的点显示为深绿色，生成的图形如图：

图片发自App

自动保存图表

要让程序自动将图表保存到文件中，可将对plt.show() 的调用替换为对plt.savefig() 的调用：

图片发自App

scatter_squares.png

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；第二个实参指定将图表多余的空白区域裁剪掉。我把第二个实参删除后，结果如下：

图片发自App

scatter_squares_2.png

通过以上的对比可以看出，删除第二个实参后存储的图表会有部分不完整，最好还是使用实参bbox_inches='tight'