Matplotlib 散点图

创建散点图

使用 Pyplot，您可以使用 scatter() 函数来绘制散点图。

scatter() 函数为每个观测值绘制一个点。它需要两个长度相同的数组，一个用于 x 轴的值，另一个用于 y 轴的值：

实例

一个简单的散点图：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])

plt.scatter(x, y)
plt.show()

亲自试一试

结果：

上例中的观测值是 13 辆汽车经过的结果。

X 轴显示了汽车的车龄。

Y 轴显示了汽车经过时的速度。

这些观测值之间是否存在关系？

看起来车越新，开得越快，但这可能只是巧合，毕竟我们只记录了 13 辆汽车。

比较图表

在上面的例子中，速度和年龄之间似乎存在某种关系，但如果我们再将另一天的观测值也绘制出来会如何呢？散点图会告诉我们其他信息吗？

实例

在同一张图上绘制两个图表：

import matplotlib.pyplot as plt
import numpy as np

# 第一天，13 辆汽车的车龄和速度：
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)

# 第二天，15 辆汽车的车龄和速度：
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)

plt.show()

亲自试一试

结果：

注意：两个图表使用两种不同的颜色绘制，默认是蓝色和橙色，稍后在本章中您将学习如何更改颜色。

通过比较这两个图表，我认为可以安全地说它们都给出了相同的结论：汽车越新，开得越快。

颜色

您可以使用 color 或 c 参数为每个散点图设置自己的颜色：

实例

设置标记点的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

亲自试一试

结果：

为每个点着色

您甚至可以使用颜色数组作为 c 参数的值来为每个点设置特定颜色：

注意：您不能为此使用 color 参数，只能使用 c 参数。

实例

设置标记点的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)

plt.show()

亲自试一试

结果：

彩色映射

Matplotlib 模块提供了许多可用的彩色映射。

彩色映射就像颜色列表，其中每种颜色都有一个从 0 到 100 的值。

以下是一个彩色映射的例子：

这个彩色映射称为 'viridis'，如您所见，它从 0（紫色）开始，一直到 100（黄色）。

如何使用彩色映射

您可以使用关键字参数 cmap 和彩色映射的值来指定彩色映射，在这种情况下，'viridis' 是 Matplotlib 中可用的内置彩色映射之一。

此外，您必须创建一个数组，其中包含值（从 0 到 100），每个散点图中的点一个值：

实例

创建颜色数组，并在散点图中指定彩色映射：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.show()

亲自试一试

结果：

您可以通过包含 plt.colorbar() 语句来在绘图中包含彩色映射：

实例

包含实际的彩色映射：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.colorbar()

plt.show()

亲自试一试

结果：

可用的彩色映射

您可以选择任意内置彩色映射：

大小

您可以使用 s 参数来改变点的大小。

就像颜色一样，请确保 sizes 数组的长度与 x 轴和 y 轴的数组长度相同：

实例

为标记设置您自己的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes)

plt.show()

亲自试一试

结果：

透明度

您可以使用 alpha 参数来调整点的透明度。

就像颜色一样，请确保 sizes 数组的长度与 x 轴和 y 轴的数组长度相同：

实例

为标记设置您自己的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes, alpha=0.5)

plt.show()

亲自试一试

结果：

结合颜色、大小和透明度

您可以将色彩映射与不同大小的点结合起来。如果点是透明的，这将得到最好的可视化效果：

实例

为 x 点、y 点、颜色和大小创建包含 100 个值的随机数组：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')

plt.colorbar()

plt.show()

亲自试一试

结果：