散点图scatter¶
plt.scatter函数:
plt.scatter(x, y, [kwargs])
# kwargs：可选参数，用于指定散点图的属性。
plt.scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None, vmax=None,
alpha=None, linewidths=None,
verts=None, edgecolors=None, hold=None, data=None, **kwargs)
参数含义:
s：散点的大小
marker 散点图的形状
'o': 圆形
'x': 十字形
'+': 加号
'.': 点
'*': 星形
's': 正方形
'd': 菱形
'^': 上三角形
'v': 下三角形
c：散点的颜色
cmap：colormap
vmin,vmax：亮度设置，标量
alpha 散点图的透明度
linewidth 散点图的边框宽度
edgecolor 散点图的边框颜色
示例¶
示例1¶
一个变量确定水平轴上的位置，而另一个变量的值确定垂直轴上的位置:
import matplotlib.pyplot as plt
x = [1,1.5,2,2.5,3,3.5,3.6]
# x为列表类型时，Matplotlib 在绘制散点图时会自动转换为数组类型
# x = [[1],[1.5],[2],[2.5],[3],[3.5],[3.6]]
y = [7.5,8,8.5,9,9.5,10,10.5]
plt.scatter(x,y, label='high income low saving',color='r')
x1=[8,8.5,9,9.5,10,10.5,11]
y1=[3,3.5,3.7,4,4.5,5,5.2]
plt.scatter(x1,y1,label='low income high savings',color='b')
plt.xlabel('saving*100')
plt.ylabel('income*1000')
plt.title('Scatter Plot')
plt.legend() # 显示图例(标签说明)
plt.show()
示例2¶
实例:
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(8,6))
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.scatter(x, y, marker='.',
s = np.random.randn(1000)*100,
cmap = 'Reds_r',
c = y,
alpha = 0.8,)
plt.grid()
散点矩阵scatter_matrix¶
警告
pd.scatter_matrix() 函数在 Pandas 1.3.0 版本开始被移除，需要使用 pd.plotting.scatter_matrix() 函数来替代。
散点矩阵scatter_matrix函数:
# pd.scatter_matrix()散点矩阵
# pd.scatter_matrix(frame, alpha=0.5, figsize=None, ax=None,
# grid=False, diagonal='hist', marker='.', density_kwds=None, hist_kwds=None, range_padding=0.05, **kwds)
# diagonal：({‘hist’, ‘kde’})，必须且只能在{‘hist’, ‘kde’}中选择1个 → 每个指标的频率图
# range_padding：(float, 可选)，图像在x轴、y轴原点附近的留白(padding)，该值越大，留白距离越大，图像远离坐标原点
import pandas pd
df = pd.DataFrame(np.random.randn(100,4), columns = ['a','b','c','d'])
pd.plotting.scatter_matrix(df, figsize=(10,6),
marker = 'o',
diagonal='kde',
alpha = 0.5,
range_padding=0.5)
