锋哥原创的Matplotlib3 Python数据可视化视频教程：
2026版 Matplotlib3 Python 数据可视化 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
课程介绍
本课程讲解利用python进行数据可视化 科研绘图-Matplotlib，学习Matplotlib图形参数基本设置，绘图参数及主要函数，以及Matplotlib基础绘图，和Matplotlib高级绘图。
绘制散点图(Scatter)
散点图用于展示两个变量之间的关系，每个点的位置由两个变量的值决定，常用于观察数据分布、聚类或相关性分析。
基础语法：
plt.scatter(
x, y, # 必需：数据点的x/y坐标（数组）
s=None, # 点的大小（标量或数组）
c=None, # 点的颜色（颜色名、RGB、数组）
marker=None, # 点标记样式（字符串或路径）
alpha=None, # 透明度（0-1）
edgecolors=None,# 边缘颜色
linewidths=None,# 边缘线宽
cmap=None, # 颜色映射（当c为数值数组时）
vmin=None, # 颜色映射最小值
vmax=None, # 颜色映射最大值
**kwargs # 其他Line2D属性
)核心参数详解
- 数据坐标
- x, y : 长度相同的数组，定义数据点在坐标系中的位置。 示例：
x = [1, 2, 3], y = [4, 5, 6]
- 点大小 (
s)
-
标量 ：所有点统一大小（单位：点 的平方，如
s=100）。 -
数组 ：每个点独立大小（需与
x,y长度相同），常用于气泡图。 示例：s = [10, 100, 200]
- 点颜色 (
c)
-
单一颜色 ：字符串（如
'r'）、RGB元组（如(0.2, 0.5, 0.8)）。 -
颜色数组 ：为每个点指定颜色（长度同
x,y），支持：-
颜色名列表：
c=['red','blue','green'] -
数值数组 ：通过
cmap映射为颜色（如热力图）。
-
- 点标记 (
marker)
常用标记符号：
| 符号 | 描述 | 符号 | 描述 |
|---|---|---|---|
'.' |
小圆点 | 'o' |
大圆点 |
'v' |
下三角形 | '^' |
上三角形 |
's' |
正方形 | 'D' |
菱形 |
'*' |
五角星 | '+' |
加号 |
'x' |
叉号 | 'p' |
五边形 |
- 透明度 (
alpha)
- 范围
[0, 1]，0完全透明，1完全不透明。
- 边缘控制
-
edgecolors : 边缘颜色（默认
'face'与填充色相同）。 -
linewidths : 边缘线宽（默认
1.0）。
- 颜色映射 (
cmap,vmin,vmax)
当 c 为数值数组时：
-
cmap : 指定颜色映射（如
'viridis','jet','coolwarm'）。 -
vmin/vmax: 控制映射的数据范围（不指定则用数组最小/最大值）。
基础散点图示例：
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
# 设置matplotlib使用黑体显示中文
matplotlib.rcParams['font.family'] = 'Microsoft YaHei'
# 生成随机数据
np.random.seed(42)
x = np.random.rand(50) # 50个随机X值
y = np.random.rand(50) # 50个随机Y值
# 创建画布
plt.figure(figsize=(8, 6))
# 绘制散点图（基础版）
plt.scatter(x, y,
color='blue', # 点颜色
marker='o', # 点形状（圆形）
alpha=0.7, # 透明度
edgecolors='black') # 边缘颜色
# 添加标题和标签
plt.title("基本散点图", fontsize=14)
plt.xlabel("X-轴", fontsize=12)
plt.ylabel("Y-轴", fontsize=12)
# 显示网格
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()