Matplotlib库学习之scatter(模块)
一、简介
Matplotlib 是 Python 中一个强大的绘图库，其中 matplotlib.pyplot.scatter 用于创建散点图。散点图在数据可视化中广泛用于展示两个变量之间的关系。
二、语法和参数
语法
python
matplotlib.pyplot.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
- x, y: 必选参数，代表散点图中每个点的 x 坐标和 y 坐标。
- s: 可选，标量或数组，用于控制每个点的大小。
- c: 可选，标量或数组，用于控制每个点的颜色。
- marker : 可选，表示散点的形状，默认为
'o'。 - cmap : 可选，
Colormap对象或字符串，用于将标量数据映射到颜色。 - norm : 可选，
Normalize对象，用于缩放颜色数据。 - vmin, vmax: 可选，控制亮度标量数据的最小值和最大值。
- alpha: 可选，标量，用于设置透明度。
- linewidths: 可选，标量或数组，表示每个点的边缘宽度。
- edgecolors: 可选，表示点的边缘颜色。
- plotnonfinite : 可选，布尔值，如果为
True，会绘制非有限点（NaN或Inf）。 - data: 可选，传递数据的对象。
- kwargs : 其他传递给
matplotlib.axes.Axes.scatter的参数。
返回值
返回一个 PathCollection 对象，表示绘制的散点图。
三、实例
3.1 绘制简单的散点图
python
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 4, 5, 6]
# 绘制散点图
plt.scatter(x, y)
plt.title("Simple Scatter Plot")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.show()输出：
显示一个简单的散点图，其中X轴表示1到5的值，Y轴表示2到6的值，每个点为一个圆形标记。3.2 设置不同大小和颜色的点
python
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 4, 5, 6]
sizes = [20, 50, 80, 200, 500]
colors = [10, 20, 30, 40, 50]
# 绘制散点图
plt.scatter(x, y, s=sizes, c=colors, cmap='viridis', alpha=0.6)
plt.title("Scatter Plot with Varying Sizes and Colors")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.colorbar() # 添加颜色条
plt.show()输出：
显示一个散点图，其中每个点的大小和颜色各不相同，点的颜色根据'viridis'颜色映射来进行区分。3.3 使用自定义标记形状和边缘颜色
python
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 4, 5, 6]
sizes = [100] * 5
colors = [0, 1, 2, 3, 4]
# 绘制散点图
plt.scatter(x, y, s=sizes, c=colors, marker='^', edgecolors='r', linewidths=2, cmap='plasma')
plt.title("Scatter Plot with Custom Marker and Edge Color")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.colorbar() # 添加颜色条
plt.show()输出：
显示一个散点图，其中每个点的标记形状为三角形，并且有红色边缘，每个点的颜色根据'plasma'颜色映射来区分。四、注意事项
- 当使用
c参数进行颜色映射时，如果c是标量数组，则需要指定cmap来定义颜色映射的范围。 alpha参数可以用于调整点的透明度，值越低，点越透明。- 当
edgecolors为'none'时，点将没有边缘颜色。