Python利用matplotlib繪制散點圖的新手教程

更新時間：2020年11月05日 10:04:18 作者：Python碎片

這篇文章主要給大家介紹了關于Python利用matplotlib繪制散點圖的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

前言

上篇文章介紹了使用matplotlib繪制折線圖，參考：http://www.dbjr.com.cn/article/198991.htm，本篇文章繼續(xù)介紹使用matplotlib繪制散點圖。

一、matplotlib繪制散點圖

# coding=utf-8
import matplotlib.pyplot as plt
 
 
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
plt.figure(figsize=(10, 10), dpi=100)
plt.scatter(years, turnovers)
plt.show()

運行結果：

scatter(): matplotlib中繪制散點圖的函數(shù)。可以傳入很多參數(shù)，一般傳入兩個列表，分別是散點圖中的x值和y值。上面的例子中使用2009年至2019年這十一年天貓雙11的總成交額數(shù)據(jù)。

散點圖根據(jù)提供的兩組數(shù)據(jù)，構成圖形中的多個坐標點。根據(jù)坐標點的分布，分析兩個變量之間是否存在某種關聯(lián)，或總結坐標點的分布趨勢，用于預測數(shù)據(jù)的走勢。

上面的代碼已經(jīng)實現(xiàn)了簡單的散點圖，但只把點繪制出來了，很多信息都不完整，所以需要進行優(yōu)化。

二、matplotlib優(yōu)化散點圖

import matplotlib.pyplot as plt
 
 
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
plt.figure(figsize=(10, 15), dpi=100)
plt.scatter(years, turnovers, c='red', s=100, label='成交額')
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交額", fontdict={'size': 16})
plt.title("歷年天貓雙11總成交額", fontdict={'size': 20})
plt.legend(loc='best')
plt.show()

運行結果：

在第一次繪制的散點圖中，已經(jīng)看出了點的大概分布情況，所以在使用figure()函數(shù)創(chuàng)建圖像時，可以修改figsize參數(shù)調(diào)整圖像尺寸，設置更好的圖像比例。

在調(diào)用scatter()函數(shù)繪制散點圖時，使用c='顏色'來設置點的顏色，使用s='大小'來設置點的大小，并設置label用于圖例展示。

第一次的散點圖中，x軸上沒有顯示所有的年份刻度，最后一個點已經(jīng)分布到了圖形的右上角，所以使用xticks()和yticks()來設置x軸和y軸的刻度標簽和范圍。

使用xlabel()和ylabel()設置x軸和y軸的標簽，說明x軸和y軸的含義。使用title()設置散點圖的標題，說明散點圖展示的數(shù)據(jù)。使用legend()將圖例展示出來。

這樣一張基本功能完整，信息完整的散點圖就完成了。

三、matplotlib散點圖區(qū)分點的顏色和大小

import matplotlib.pyplot as plt
import numpy as np
 
 
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
plt.figure(figsize=(10, 15), dpi=100)
size = list()
for tur in turnovers:
 size.append(tur) if tur > 100 else size.append(100)
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.scatter(years, turnovers, c=np.random.randint(0, 50, 11), s=size)
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交額", fontdict={'size': 16})
plt.title("歷年天貓雙11總成交額", fontdict={'size': 20})
plt.show()

運行結果：

上一張散點圖中已經(jīng)對數(shù)據(jù)作了基本的展示，為了使數(shù)據(jù)展示效果更好，可以對散點圖進行美化。

數(shù)據(jù)是歷年雙11的總成交額，每年的數(shù)據(jù)是獨立的，可以用不同的顏色來區(qū)分。這里使用numpy中的random.randint()隨機生成11個值，將這11個隨機的值傳給scatter()函數(shù)中的c參數(shù)，使每一個點的顏色不一樣，可以更好地表示每個點的獨立性。

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

成交額是逐年變化的，為了從散點圖中體現(xiàn)出大小的差異，可以根據(jù)成交額的大小設置點的大小。這里直接將成交額作為點的大小(成交額很小的設置一個值，圖形中的點不小于這個值)，得到由11個值組成的列表，傳給scatter()函數(shù)中的s參數(shù)，可以體現(xiàn)每個點的大小差異(成交額越大點越大)。

四、matplotlib散點圖的趨勢簡單分析

import matplotlib.pyplot as plt
import numpy as np
import math
 
 
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
squares = [math.pow(year-2008, 3.3) for year in years]
powers = [math.pow(2, year-2008) for year in years]
plt.figure(figsize=(10, 15), dpi=100)
size = list()
for tur in turnovers:
 size.append(tur) if tur > 100 else size.append(100)
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.scatter(years, turnovers, c=np.random.randint(0, 50, 11), s=size, label='成交額')
plt.plot(years, squares, color='red', label='x^3.4')
plt.plot(years, powers, color='blue', label='2^n')
plt.legend(loc='best', fontsize=16, markerscale=0.5)
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交額", fontdict={'size': 16})
plt.title("歷年天貓雙11總成交額", fontdict={'size': 20})
plt.show()

運行結果：

散點圖的作用主要是用于分析數(shù)據(jù)的趨勢，用于預測未來的數(shù)據(jù)。比如我想預測2020年天貓雙11的總成交額，通過對比的方式，簡單分析一下這個趨勢更接近指數(shù)函數(shù)還是更接近多次函數(shù)。

在散點圖中，我繪制了兩條曲線，y=2^x和y=x^(3.4)，一條是2為底的指數(shù)函數(shù)，一條是x的3.4次方(三次函數(shù)ax^3+bx^2+cx+d)，可以看到雙11總成交額的變化趨勢更接近三次函數(shù)。

這里我只是簡單對比一下，三次函數(shù)還有二次項、一次項和常數(shù)項，所以x^(3.4)中的0.4可以通過二次項、一次項和常數(shù)項來補充，指數(shù)函數(shù)的變化趨勢太快，與雙11總成交額的變化趨勢差異很大。這種簡單對比是很粗糙的，只是為了說明散點圖可以用于分析趨勢。真實的分析不能簡單看每年的數(shù)據(jù)，需要考慮很多因素(甚至因為某個因素的加入，成交額已經(jīng)快到天花板了，很可能后面會下降)。

總結

到此這篇關于Python利用matplotlib繪制散點圖的文章就介紹到這了,更多相關Python matplotlib繪制散點圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: