前言

我們?cè)趍atplotlib模塊學(xué)習(xí)中，發(fā)現(xiàn)有常用的反映數(shù)據(jù)變化的折線圖，對(duì)比數(shù)據(jù)類型差異的柱狀圖和反應(yīng)數(shù)據(jù)頻率分布情況的直方圖。

往期內(nèi)容速看

Python用 matplotlib 繪制柱狀圖

Python matplotlib底層原理解析

Python?matplotlib超詳細(xì)教程實(shí)現(xiàn)圖形繪制

其實(shí)在數(shù)據(jù)統(tǒng)計(jì)圖表中，有一種圖表是散列點(diǎn)分布在坐標(biāo)中，反應(yīng)數(shù)據(jù)隨著自變量變化的趨勢(shì)。

本期，我們將詳細(xì)學(xué)習(xí)matplotlib 繪制散點(diǎn)圖相關(guān)屬性的學(xué)習(xí)，let's go~

1. 散點(diǎn)圖概述

什么是散點(diǎn)圖？

• 散點(diǎn)圖用于在水平軸和垂直軸上繪制數(shù)據(jù)點(diǎn)，數(shù)據(jù)以點(diǎn)狀分布在左標(biāo)系中
• 散點(diǎn)圖表示因變量隨著自變量而變化的大致趨勢(shì)
• 散點(diǎn)圖由多個(gè)左坐標(biāo)點(diǎn)構(gòu)成，考察坐標(biāo)點(diǎn)的分布，判斷是否存在某種關(guān)聯(lián)或者分布模式
• 對(duì)于不同類別的點(diǎn)，則由圖表中不同形狀或顏色的標(biāo)記符表示
• 散點(diǎn)圖主要分為散點(diǎn)圖矩陣、三維散點(diǎn)圖、ArcGIS散點(diǎn)圖

散點(diǎn)圖使用場(chǎng)景

• 散點(diǎn)圖用于比較跨類別的聚合數(shù)據(jù)
• 散點(diǎn)圖用于分析數(shù)據(jù)線性、多項(xiàng)式趨勢(shì)情況
• 散點(diǎn)圖用于四象限分析
• 散點(diǎn)圖用于找到數(shù)據(jù)趨勢(shì)公式
• 散點(diǎn)圖可以為后期精確的圖標(biāo)進(jìn)行輔助

繪制散點(diǎn)圖步驟

1. 導(dǎo)入matplotlib.pyplot模塊
2. 準(zhǔn)備數(shù)據(jù)，可以使用numpy/pandas整理數(shù)據(jù)
3. 調(diào)用pyplot.scatter()繪制散點(diǎn)圖

案例展示

本次案例我們將分析某產(chǎn)品不同定價(jià)銷售額分布情況

案例需要準(zhǔn)備兩組數(shù)據(jù)x和y軸，其中x，y軸的數(shù)據(jù)量要保持一致

x_value = np.random.randint(50,100,50)
y_value = np.random.randint(500,1000,50)

繪制散點(diǎn)

import matplotlib.pyplot as plt
import numpy as np
 
plt.rcParams["font.sans-serif"]=['SimHei'] plt.rcParams["axes.unicode_minus"]=False
 
x_value = np.random.randint(50,100,50)
y_value = np.random.randint(500,1000,50)
 
plt.scatter(x_value,y_value)
 
plt.title("data analyze")
plt.xlabel("銷售價(jià)格")
plt.ylabel("銷售額")
 
plt.show()

?2. 散點(diǎn)圖屬性

設(shè)置散點(diǎn)大小

關(guān)鍵字：s

傳入數(shù)據(jù)類型為list或者數(shù)字，默認(rèn)為20

設(shè)置散點(diǎn)顏色

關(guān)鍵字：c

默認(rèn)顏色為藍(lán)色

取值范圍

• 表示顏色的英文單詞：如紅色"red"
• 表示顏色單詞的簡(jiǎn)稱如：紅色"r",黃色"y"
• RGB格式：十六進(jìn)制格式如"#88c999";(r,g,b)元組形式
• 也可以傳入顏色列表

設(shè)置散點(diǎn)樣式

關(guān)鍵字：marker

系統(tǒng)默認(rèn)為'o'小圓圈

取值還可以?。?'o', 'v', '^', '<', '>', '8', 's', 'p', '*', 'h', 'H', 'D', 'd', 'P', 'X')

設(shè)置透明度

關(guān)鍵字：alpha

取值范圍：0~1

設(shè)置散點(diǎn)邊框

關(guān)鍵字： edgecolor

默認(rèn)為face

取值選項(xiàng)：

• "face"|"none"
• 表示顏色的英文單詞、簡(jiǎn)寫或者rgb

我們結(jié)合上一節(jié)的案例，設(shè)置散點(diǎn)大小，散點(diǎn)邊框?yàn)榉凵Ⅻc(diǎn)顏色為#88c999

size = (20*np.random.rand(50))**2
plt.scatter(x_value,y_value,s=area,c="#88c999",edgecolors="pink"

3. 添加折線散點(diǎn)圖

我們?cè)诓榭瓷Ⅻc(diǎn)圖時(shí)，有時(shí)候會(huì)借助折線圖來(lái)輔助分析。我們繼續(xù)拿第一節(jié)的數(shù)據(jù)來(lái)分析。

我們使用np.random.rand()來(lái)生成100個(gè)隨機(jī)數(shù)據(jù)

x_value = 100*np.random.rand(100)
y_value = 100*np.random.rand(100)

需要借助我們高中的數(shù)學(xué)公司如sin\cos函數(shù)等（高中數(shù)學(xué)都還給老師了）

使用pyplot.plot()方法來(lái)繪制曲線圖

r0 = 80
plt.scatter(x_value,y_value,c="hotpink",edgecolors="blue")
the =  np.arange(0,np.pi/2, 0.01)
plt.plot(r0*np.cos(the),r0*np.sin(the))

4. 多類型散點(diǎn)圖

我們?cè)谟^察數(shù)據(jù)的時(shí)候，會(huì)同時(shí)比較多個(gè)類型數(shù)據(jù)，因此我們可以通過(guò)顏色或者散點(diǎn)樣式來(lái)區(qū)分表示

方式一： 使用顏色來(lái)區(qū)分不同類別時(shí)，我們需要再添加新的數(shù)據(jù)和scatter方法

x_value = 100*np.random.rand(100)
y_value = 100*np.random.rand(100)
y1_value = 100*np.random.rand(100)
 
plt.scatter(x_value,y_value, c="hotpink",edgecolors="blue",label="A產(chǎn)品")
 
plt.scatter(x_value,y1_value, c="#88c999", edgecolors="y",label="B產(chǎn)品")

方式二：我們可以使用marker來(lái)標(biāo)記不同類型，例如我們使用上一節(jié)的案例再添加一個(gè)scatter()

r0 = 80
 
size = (20*np.random.rand(100))**2
 
r = np.sqrt(x_value**2+y_value**2)
area = np.ma.masked_where(r > r0,size)
area1 = np.ma.masked_where(r <= r0, size)
 
plt.scatter(x_value,y_value,s=area,c="hotpink",edgecolors="blue",label="A產(chǎn)品")
 
plt.scatter(x_value, y_value, s=area1, c="red", edgecolors="y",marker="^",label="B產(chǎn)品")
 
the =  np.arange(0,np.pi/2, 0.01)
plt.plot(r0*np.cos(the),r0*np.sin(the))

5. 顏色條散點(diǎn)圖

在散點(diǎn)圖表中，我們?yōu)榱藢?duì)每個(gè)點(diǎn)顏色深淺進(jìn)行表示，我們可以借助cmap顏色條來(lái)進(jìn)行添加

• 顏色條顯示關(guān)鍵字：cmap
• 默認(rèn)為viridis,可選值如accent_r,blues_r,brbg_r,greens_r等等
• 表示每種顏色從0~100的值

當(dāng)要顯示顏色列表時(shí)，我們需要調(diào)用pyplot.colorbar()

例如，我們對(duì)散點(diǎn)圖添加一個(gè)紅色系的顏色列表

size = (20*np.random.rand(100))**2
color = np.random.randint(0,100,100)
plt.scatter(x_value,y_value, s=size, c=color,label="A產(chǎn)品",cmap="afmhot_r")
plt.colorbar()

6. 曲線散點(diǎn)圖

散點(diǎn)圖都是由一個(gè)一個(gè)坐標(biāo)點(diǎn)組成的，當(dāng)這些點(diǎn)具有一定規(guī)律時(shí)，我們可以使用散點(diǎn)圖來(lái)繪制曲線。

我們使用scatter()繪制一個(gè)2次方的冪函數(shù)

x_value = list(range(1, 100))
y_value = [x ** 2 for x in x_value]
 
plt.scatter(x_value,y_value,c=y_value,cmap="hot_r",edgecolors="none",s=50)
 
plt.show()

總結(jié)

本期，我們對(duì)matplotlib.pyplot 繪制散點(diǎn)圖scatter方法及相關(guān)屬性進(jìn)行詳細(xì)的學(xué)習(xí)。對(duì)于暫時(shí)沒(méi)有找到規(guī)律的數(shù)據(jù)來(lái)說(shuō)，使用散點(diǎn)圖可以快速發(fā)現(xiàn)數(shù)據(jù)的分布情況?

以上就是Python matplotlib 繪制散點(diǎn)圖詳解建議收藏的詳細(xì)內(nèi)容，更多關(guān)于Python matplotlib 繪制散點(diǎn)圖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論