Matplotlib可视化--散点图（笔记）

本文使用的环境是jupyter notebook，目的是画实战中的散点图，该例子来自于机器学习网站MachineLearning Plus上的博文：Python可视化50图

1、需要使用的库

# 导入需要的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 让jupyter notebook能显示图像
%matplotlib inline  

matplotlib.pyplot的开发文档

2、绘制单色的散点图

# 定义数据
d1 = np.random.randn(10)
d2 = d1**2 + 5
# 设置画布
plt.figure(figsize=(8,4))
# 画图
plt.scatter(d1,d2
           ,s=50  # 点的大小
           ,c='blue' # 点的颜色
           ,label = 'dom' # 图例名称)
# 显示图例
plt.legend()
# 显示图像
plt.show() 

上例代码中d1为横坐标，d2为纵坐标，上图显示的点如下：

[*zip(d1,d2)]

[(-2.161729597367027, 9.67307485213261),
 (0.5673234146211847, 5.32185585677744),
 (-0.11933596881252635, 5.014241073452424),
 (0.5532153528916103, 5.3060472266749885),
 (-0.5561178534755685, 5.309267066954274),
 (1.7353038997420718, 8.011279624460043),
 (2.004534385021128, 9.01815810073203),
 (-0.3234661826094298, 5.1046303712919165),
 (0.41636007718081874, 5.173355713870017),
 (0.7261378153079194, 5.5272761268201585)]

3、绘制多色的散点图

当散点图中需要显示两种及以上时，为了区分需要设置不同的颜色和图例。
注意：区分d1,d2和上述出现的值不一样

3.1、区分颜色

d1 = np.random.randn(10,2) # 10行，2列的ndarray，一行代表一个点
d2 = np.array([0,1,0,1,1,1,0,1,0,0]) # 0和1是用来区分种类，达到显示不同的颜色

plt.figure(figsize=(8,4))
plt.scatter(d1[:,0],d1[:,1]
           ,s=50
           ,c=d2);

3.2、设置图例

d1是10X2的矩阵，d1.shape是（10，2）元组

colrs = ['red', 'blue']  
labels = ['red', 'blue'] 

# 循环的目的是区分，循环一次就画一种类的所有点
# d2 = np.array([0,1,0,1,1,1,0,1,0,0])
# d2==0时，点的颜色是red，图例是red
# d2==1时，点的颜色是blue,图例是blue
for i in range(d1.shape[1]):            # shape[1]的值是2，即便利两次
    plt.scatter(d1[d2==i,0]
               ,d1[d2==i,1]
               ,s=50
               ,c=colrs[i]
               ,label = labels[i])
plt.legend()
plt.show()

4、实战

机器学习网站MachineLearning Plus上的博文：Python可视化50图-scatter plot
传送门：https://www.machinelearningplus.com/plots/top-50-matplotlib-visualizations-the-> master-plots-python/

博文中需要画的图

# 使用的数据集
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
midwest.head() # 显示前五条数据

	PID	county	state	area	poptotal	popdensity	...	category	dot_size
0	561	ADAMS	IL	0.052	66090	1270.961540	...	AAR	250.944411
1	562	ALEXANDER	IL	0.014	10626	759.000000	...	LHR	185.781260
2	563	BOND	IL	0.022	14991	681.409091	...	AAR	175.905385
3	564	BOONE	IL	0.017	30806	1812.117650	...	ALU	319.823487
4	565	BROWN	IL	0.018	5836	324.222222	...	AAR	130.442161

5 rows × 29 columns

# 查看所有的属性
midwest.columns

Index(['PID', 'county', 'state', 'area', 'poptotal', 'popdensity', 'popwhite',
       'popblack', 'popamerindian', 'popasian', 'popother', 'percwhite',
       'percblack', 'percamerindan', 'percasian', 'percother', 'popadults',
       'perchsd', 'percollege', 'percprof', 'poppovertyknown',
       'percpovertyknown', 'percbelowpoverty', 'percchildbelowpovert',
       'percadultpoverty', 'percelderlypoverty', 'inmetro', 'category',
       'dot_size'],
      dtype='object')

图中需要使用的数据有：area，poptotal，category。其中area是地区为横坐标，poptotal是总人口为纵坐标。 下面是博文的源码。

# 导入数据
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")

# category去重，结果就是下图中的图例
categories = np.unique(midwest['category'])
# 为每个category创建一个颜色，使用plt.cm.tab10生成
colors = [[plt.cm.tab10(i/float(len(categories)-1))] for i in range(len(categories))]

# 根据每个Category，画图
plt.figure(figsize=(16, 10), dpi= 80, facecolor='w', edgecolor='k')

for i, category in enumerate(categories):
    plt.scatter('area', 'poptotal', 
                data=midwest.loc[midwest.category==category, :], 
                s=20, c=colors[i], label=str(category))

# 图像装饰
plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000),
              xlabel='Area', ylabel='Population')

# 设置刻度
plt.xticks(fontsize=12); plt.yticks(fontsize=12)
# 设置标题
plt.title("Scatterplot of Midwest Area vs Population", fontsize=22)
plt.legend(fontsize=12)    
plt.show()