【数据分析之道-Matplotlib(四)】Matplotlib散点图

专栏导读

✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》

如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！

如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！

1、Matplotlib散点图语法

散点图是一种常用的数据可视化方式，用于展示两个变量之间的关系。在Matplotlib中，可以使用scatter()函数来绘制散点图。

scatter()函数的基本语法如下：

plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, 
vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

参数说明：

• x：表示散点图中各个点的横坐标，可以是一个数组或者列表。

• y：表示散点图中各个点的纵坐标，可以是一个数组或者列表。

• s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

• c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。

• marker：点的样式，默认小圆圈 ‘o’。

• cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

• norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

• vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。

• alpha：：透明度设置，0-1 之间，默认 None，即不透明。

• linewidths：：标记点的长度。

• edgecolors：：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。

• plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

• **kwargs：：其他参数。

以下散点图演示了如何使用 Matplotlib 创建一个基本的散点图：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(50)
y = np.random.rand(50)

# 绘制散点图
plt.scatter(x, y)

# 设置标题和坐标轴标签
plt.title('Simple Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图形
plt.show()

使用随机数生成了50个横坐标 x 和纵坐标 y。然后，使用 scatter() 函数绘制了散点图，其中 x 和 y 分别表示散点图中各个点的横坐标和纵坐标。
我们还设置了标题和坐标轴标签，分别使用 title() 和 xlabel()、ylabel() 函数。
最后，通过 show() 函数显示图形。

2、Matplotlib散点图设置图标大小

设置散点图的大小，可以使用scatter()函数的s参数来指定点的大小。该参数可以接受一个标量值或一个数组，用于指定每个点的大小。

以下是设置散点图大小的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(50)
y = np.random.rand(50)
sizes = np.random.randint(10, 100, 50)

# 设置散点图大小
plt.scatter(x, y, s=sizes)

# 设置标题和坐标轴标签
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图形
plt.show()

使用sizes数组来指定每个点的大小。sizes数组的长度与数据点的个数相同，对应每个数据点的大小。

3、Matplotlib散点图自定义点颜色

自定义散点图中点的颜色，可以使用scatter()函数的c参数来指定颜色。该参数可以接受一个标量值或一个数组，用于指定每个点的颜色。

以下是自定义散点图点的颜色的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)

# 自定义散点图颜色
plt.scatter(x, y, c=colors)

# 设置标题和坐标轴标签
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图形
plt.show()

使用colors数组来指定每个点的颜色。colors数组的长度与数据点的个数相同，对应每个数据点的颜色。

可以使用不同的方式来指定颜色，例如：

• 使用预定义的颜色名称，如’red’、‘blue’、'green’等。
• 使用RGB元组指定颜色，如(0.1, 0.2, 0.3)，表示红色、绿色和蓝色的强度。
• 使用16进制字符串指定颜色，如’#FF0000’表示纯红色。

plt.scatter(x, y, c='red')

4、Matplotlib散点图设置两组散点图

要设置两组散点图，可以使用两次scatter()函数来绘制不同的数据点，并可以分别指定它们的颜色、大小等属性。

以下是设置两组散点图的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x1 = np.random.rand(50)
y1 = np.random.rand(50)
x2 = np.random.rand(50)
y2 = np.random.rand(50)

# 设置散点图1的属性
plt.scatter(x1, y1, c='red', label='Group 1', alpha=0.5)

# 设置散点图2的属性
plt.scatter(x2, y2, c='blue', label='Group 2', alpha=0.5)

# 设置标题和坐标轴标签
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图例
plt.legend()

# 显示图形
plt.show()

在上面的代码中，我们生成了两组随机的横坐标和纵坐标数据，分别用x1、y1和x2、y2表示。然后使用两次scatter()函数分别绘制了两组散点图。第一组使用红色（c=‘red’）表示，第二组使用蓝色（c=‘blue’）表示。我们还通过label参数为每组散点图指定了标签，以便在图例中显示。通过设置alpha参数来调整散点的透明度，增强可视效果。
最后，我们设置了标题和坐标轴标签，并通过legend()函数显示图例，以区分两组散点图。

5、Matplotlib散点图使用随机数来设置散点图

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = np.random.randint(10, 100, 100)

# 绘制散点图
plt.scatter(x, y, c=colors, s=sizes, alpha=0.7)

# 设置标题和坐标轴标签
plt.title('Scatter Plot with Random Data')
plt.xlabel('X')
plt.ylabel('Y')


# 显示图形
plt.show()

我们使用随机数生成了100个横坐标 x 和纵坐标 y，以及每个点的颜色 colors 和大小 sizes。其中，colors 是一个由随机数生成的数组，用于指定每个点的颜色，而 sizes 是一个由随机数生成的整数数组，用于指定每个点的大小。
然后，我们使用 scatter() 函数绘制散点图，其中 c 参数用于指定颜色，s 参数用于指定大小。通过设置 alpha 参数，可以调整点的透明度。

6、Matplotlib散点图显示颜色条 Colormap

如果要显示颜色条，需要使用 plt.colorbar() 方法：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = np.random.randint(10, 100, 100)

# 绘制散点图
plt.scatter(x, y, c=colors, s=sizes, alpha=0.7)

# 设置标题和坐标轴标签
plt.title('Scatter Plot with Random Data')
plt.xlabel('X')
plt.ylabel('Y')

# 显示颜色条
plt.colorbar()

# 显示图形
plt.show()

换个颜色条参数， 设置为 cmap=‘plasma’：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = np.random.randint(10, 100, 100)

# 绘制散点图
plt.scatter(x, y, c=colors,cmap='plasma', s=sizes, alpha=0.7)

# 设置标题和坐标轴标签
plt.title('Scatter Plot with Random Data')
plt.xlabel('X')
plt.ylabel('Y')

# 显示颜色条
plt.colorbar()

# 显示图形
plt.show()

除了’plasma’颜色条之外，Matplotlib还提供了许多其他的内置颜色条供选择。以下是一些常用的内置颜色条：

‘viridis’	‘afmhot_r’
‘inferno’	‘magma’
‘jet’	‘hot’
‘cool’	‘spring’
‘summer’	‘autumn’
‘winter’	‘gray’
‘bone’	‘copper’
‘pink’	‘YlOrRd’
‘BuPu’	‘GnBu’
‘OrRd’

你可以在Matplotlib的官方文档中查看完整的颜色条列表：https://matplotlib.org/stable/tutorials/colors/colormaps.html

---

文章下方有交流学习区！一起学习进步！
首发CSDN博客，创作不易，如果觉得文章不错，可以点赞收藏评论
你的支持和鼓励是我创作的动力❗❗❗