Python Matplotlib数据可视化绘图之（三）————散点图

文本

---

前言

本文我们主要介绍利用Python中的Matplotlib模块进行几种散点图的画法，包括整张图片只有一种颜色的不分组散点图、整张图片有好几种颜色的不分组散点图、整张图片有好几种颜色的分组散点图等。

---

一、所用到的模块

主要利用Python中的Matplotlib模块完成该功能。

二、单一颜色的普通不分组散点图

1.示例数据如下

表格如下（示例）：

---

班别	语文成绩(分/100分制)
甲班	80
	90
	75
	65
	85
	95
	100
	100
	80
	70
	90
	95
	85
	86
	92
	90
	95
	90
	85
	100
乙班	60
	70
	80
	65
	75
	80
	73
	75
	85
	90
	95
	65
	70
	75
	80
	85
	95
	85
	80
	70
丙班	60
	80
	100
	100
	100
	100
	90
	95
	95
	95
	85
	95
	95
	95
	95
	80
	95
	90
	90
	90

---

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

ax.scatter(spotx, scatter_plot_data, c=color_list[0], s=30)

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

---

三、多种颜色的普通不分组散点图

1.示例数据如下

表格如下（示例）：

---

班别	语文成绩(分/100分制)
甲班	80
	90
	75
	65
	85
	95
	100
	100
	80
	70
	90
	95
	85
	86
	92
	90
	95
	90
	85
	100
乙班	60
	70
	80
	65
	75
	80
	73
	75
	85
	90
	95
	65
	70
	75
	80
	85
	95
	85
	80
	30
丙班	60
	80
	100
	100
	100
	100
	90
	95
	95
	95
	85
	95
	95
	95
	95
	80
	95
	90
	90
	90

---

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 30]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

# 每个数据(scatter_plot_data里面的每个数据)对应的marker的颜色
color_list_x = []
color_list_x_final = []
for i, j in zip(color_list, range(len(scatter_plot_data))):
    color_list_x_tmp = [i] * len(scatter_plot_data[j])
    color_list_x.append(color_list_x_tmp)
for i in color_list_x:
    for j in i:
        color_list_x_final.append(j)

ax.scatter(spotx, scatter_plot_data, c=color_list_x_final, s=30, marker='o')

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

2.1.2 Case2：

import matplotlib.pyplot as plt

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

# A班的语文成绩
ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
# B班的语文成绩
ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 30]
# C班的语文成绩
ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
x_loc = [1, 2, 3]

scatter_plot_data = [ClassA_C, ClassB_C, ClassC_C]

# 每个数据(scatter_plot_data里面的每个数据)对应的x轴的坐标值
spotx = []
for i, j in zip(x_loc, range(len(scatter_plot_data))):
    spotx_tmp = [i] * len(scatter_plot_data[j])
    spotx.append(spotx_tmp)

#############################################################
#############################################################
# 每个数据(scatter_plot_data里面的每个数据)对应的marker的形状
marker_list_x = []
marker_list_x_final = []
for i, j in zip(marker_list, range(len(scatter_plot_data))):
    marker_list_x_tmp = [i] * len(scatter_plot_data[j])
    marker_list_x.append(marker_list_x_tmp)
for i in marker_list_x:
    for j in i:
        marker_list_x_final.append(j)
#############################################################
#############################################################

# 每个数据(scatter_plot_data里面的每个数据)对应的marker的颜色
color_list_x = []
color_list_x_final = []
for i, j in zip(color_list, range(len(scatter_plot_data))):
    color_list_x_tmp = [i] * len(scatter_plot_data[j])
    color_list_x.append(color_list_x_tmp)
for i in color_list_x:
    for j in i:
        color_list_x_final.append(j)

ax.scatter(spotx, scatter_plot_data, c=color_list_x_final, s=30, marker=marker_list_x_final)

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')

# 设置x, y坐标轴的刻度标签字体加粗
plt.xticks(weight='bold')
plt.yticks(weight='bold')

fig.tight_layout()
plt.show()

输出结果如下：

注意：这里我们可以看到此时程序运行的时候报错，而2.1.2 Case2 与2.1.1 Case1 相比仅仅只是多了如下几行代码：
#############################################################
#############################################################
# 每个数据(scatter_plot_data里面的每个数据)对应的marker的形状
marker_list_x = []
marker_list_x_final = []
for i, j in zip(marker_list, range(len(scatter_plot_data))):
marker_list_x_tmp = [i] * len(scatter_plot_data[j])
marker_list_x.append(marker_list_x_tmp)
for i in marker_list_x:
for j in i:
marker_list_x_final.append(j)
#############################################################
#############################################################
这几行代码的目的本来是想给每组数据(scatter_plot_data里面包含三组数据：[ClassA_C, ClassB_C, ClassC_C])赋予不同的marker形状类型，但是这样行不通，原因是ax.scatter()在一次绘图中只能接受一种marker类型，若想赋予多种marker类型，需要多次调用ax.scatter()，但这显然不符合我们的本次绘图的主要意图。这种情况的绘图详见本文中第四部分所讲内容。

---

---

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

---

四、多种颜色的普通分组散点图

1.示例数据如下

表格如下（示例）：

---

班别	语文成绩(分/100分制)	数学成绩(分/100分制)	英语成绩(分/100分制)
甲班	80	70	90
	90	90	100
	75	95	100
	65	85	85
	85	75	75
	95	85	90
	100	90	100
	100	100	100
	80	100	75
	70	85	70
	90	90	85
	95	95	90
	85	98	95
	86	99	95
	92	85	90
	90	88	80
	95	86	70
	90	75	80
	85	78	70
	100	90	75
乙班	60	60	70
	70	70	75
	80	75	75
	65	80	70
	75	75	60
	80	75	90
	73	65	98
	75	80	95
	85	60	85
	90	80	75
	95	90	70
	65	95	60
	70	95	65
	75	90	70
	80	80	75
	85	85	75
	95	75	80
	85	75	75
	80	60	70
	70	65	80
丙班	60	100	80
	80	100	90
	100	100	100
	100	95	100
	100	95	100
	100	95	90
	90	95	95
	95	95	95
	95	90	95
	95	85	90
	85	90	95
	95	90	90
	95	90	95
	95	95	90
	95	90	95
	80	95	90
	95	95	95
	90	95	90
	90	95	95
	90	90	85

---

现在需要把表格中的数据绘制成散点图，从而进一步分析每个班级的学生成绩情况。

2.代码如下

2.1 代码如下（示例）：

2.1.1 Case1：

import matplotlib.pyplot as plt
import numpy as np

# 设置字体, 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 解决图像中的'-'负号的乱码问题
plt.rcParams['axes.unicode_minus'] = False

ClassA_C = [80, 90, 75, 65, 85, 95, 100, 100, 80, 70, 90, 95, 85, 86, 92, 90, 95, 90, 85, 100]
ClassA_M = [70, 90, 95, 85, 75, 85, 90, 100, 100, 85, 90, 95, 98, 99, 85, 88, 86, 75, 78, 90]
ClassA_E = [90, 100, 100, 85, 75, 90, 100, 100, 75, 70, 85, 90, 95, 95, 90, 80, 70, 80, 70, 75]

ClassB_C = [60, 70, 80, 65, 75, 80, 73, 75, 85, 90, 95, 65, 70, 75, 80, 85, 95, 85, 80, 70]
ClassB_M = [60, 70, 75, 80, 75, 75, 65, 80, 60, 80, 90, 95, 95, 90, 80, 85, 75, 75, 60, 65]
ClassB_E = [70, 75, 75, 70, 60, 90, 98, 95, 85, 75, 70, 60, 65, 70, 75, 75, 80, 75, 70, 80]

ClassC_C = [60, 80, 100, 100, 100, 100, 90, 95, 95, 95, 85, 95, 95, 95, 95, 80, 95, 90, 90, 90]
ClassC_M = [100, 100, 100, 95, 95, 95, 95, 95, 90, 85, 90, 90, 90, 95, 90, 95, 95, 95, 95, 90]
ClassC_E = [80, 90, 100, 100, 100, 90, 95, 95, 95, 90, 95, 90, 95, 90, 95, 90, 95, 90, 95, 85]

fig = plt.figure(figsize=(8, 6), facecolor='#B0C4DE')
ax = fig.add_subplot(facecolor='white')

group_dataA = [ClassA_C, ClassA_M, ClassA_E]

scatter_dataABC_C = [ClassA_C, ClassB_C, ClassC_C]
scatter_dataABC_M = [ClassA_M, ClassB_M, ClassC_M]
scatter_dataABC_E = [ClassA_E, ClassB_E, ClassC_E]

# 橙绿蓝
color_list = ['#FF8C00', '#00FF00', '#0000FF']

# 'o':圆圈; 'D':钻石; 's':正方形
marker_list = ['o', 'D', 's']

x_labels = ['甲班', '乙班', '丙班']
legend_labels = ['语文', '数学', '英语']
length = len(x_labels)
x_loc = np.arange(length)

# 统计每个刻度标签下有几个group
group_number = len(group_dataA)

total_width = 0.5
scatter_total_width = total_width * 0.65
interval_total_width = total_width * 0.35
scatter_width = scatter_total_width / group_number

###################################################
if group_number == 1:
    interval_width = interval_total_width
else:
    interval_width = interval_total_width / (group_number - 1)
###################################################
if group_number % 2 == 0:
    x1_scatter = x_loc - (group_number / 2 - 1) * scatter_width - scatter_width / 2 - (group_number / 2 - 1) * interval_width - interval_width / 2
else:
    x1_scatter = x_loc - ((group_number - 1) / 2) * scatter_width - ((group_number - 1) / 2) * interval_width
x_list_scatter = [x1_scatter + scatter_width * i + interval_width * i for i in range(group_number)]
###################################################

scatter_data = [scatter_dataABC_C, scatter_dataABC_M, scatter_dataABC_E]

for i in range(len(scatter_data)):
    ##################################################################
    # scatter_data_num用来统计每组数据的长度, 画scatter图时会用到
    scatter_data_num = []
    for j in scatter_data[i]:
        scatter_data_num_tmp = len(j)
        scatter_data_num.append(scatter_data_num_tmp)
    ##################################################################
    # 画scatter
    # spotx是每一组scatter所有的点的横坐标
    spotx = []
    for j_spotx, k_spotx in zip(x_list_scatter[i], scatter_data_num):
        spotx_tmp = [j_spotx] * k_spotx
        spotx.append(spotx_tmp)
    # print('$$$spotx:', spotx)
    ax.scatter(spotx, scatter_data[i], c=color_list[i], s=30, label=legend_labels[i], marker=marker_list[i])
    ##################################################################

ax.grid(True, ls=':', color='b', alpha=0.3)
plt.title('甲乙丙各班语文/数学/英语成绩Scatter_chart分析', fontweight='bold')
ax.set_xticks(x_loc)
ax.set_xticklabels(x_labels, rotation=90)
ax.set_ylabel('分数/百分制', fontweight='bold')
################################################################################################################
################################################################################################################
plt.legend(title='学科', loc='center left', bbox_to_anchor=(1.02, 0.5), facecolor='None', edgecolor='#000000',
           frameon=True, ncol=1, markerscale=3, borderaxespad=0, handletextpad=0.1, fontsize='x-large', title_fontsize='x-large')
################################################################################################################
################################################################################################################
plt.xticks(weight='bold')
plt.yticks(weight='bold')
fig.tight_layout()
plt.show()

输出结果如下：

注意：如果想保存这种画布带背景颜色且轴域也带背景颜色的图片（在此图中，画布[fig]背景颜色为#B0C4DE，轴域[ax]背景颜色为white），需要使用以下语句保存到本地，具体语句如下：

plt.savefig(picture_name + '.jpg', facecolor=self.fig.get_facecolor())
# 其中picture_name为给图片命的名字

---

五、总结

以上就是今天要讲的内容，本文详细介绍了各种散点图的绘制过程和方法，并用实例给大家演示了具体的实现代码和实现逻辑，希望对大家学习画散点图有帮助。