Matplotlib

1.概述

Matplotlib ：是一个功能强大的数据可视化开源 Python 库，也是 Python 中使用的最多的图形绘图库，可以创建静态，动态，交互式的 2D（包括 3D ）的图表

1.1 入门程序

以绘制单坐标系折线图为例

1.1.1 matplotlib.pyplot 模块

import matplotlib.pyplot as plt

1.1.2 图形绘制流程

1.创建画布：plt.figure（）

plt.figure（） ：用于创建画布（Figure 对象）

plt.figure(num=x, figsize=(m, n), dpi=y)

常用参数：

• num ：画布的唯一标识（编号 / 名字），默认值 None，可以是**整数 或者 字符串，**不传则自动递增编号
• figsize：指定画布的大小（宽，高），单位：英寸
• dpi：画布分辨率（每英寸像素，代表画布清晰度）
• facecolor：画布背景颜色，默认白色 "white"
• edgecolor：画布边框颜色，默认白色 "white"
• frameon：是否绘制画布边框，默认为 True
• tight_layout：是否自动调整子图间距，避免标签重叠，默认 False
• return：返回 fig 对象

基础用法：

**1.创建默认画布：**不指定任何参数，创建一个默认大小、默认编号的空白画布

# 创建默认画布
plt.figure()

2.指定相关参数

plt.figure(num=1, figsize=(8, 4), dpi=120, facecolor="white", frameon=False)

3.管理多个独立画布

# 创建编号为1的画布
plt.figure(num=1, figsize=(6,3))

# 创建编号为2的画布
plt.figure(num=2, figsize=(6,3))

# 切回1号画布，继续添加内容
plt.figure(num=1)
.....

4. 手动添加子图

plt.figure（）只创建空画布，需通过 add_subplot（） 手动添加子图，适合灵活定制布局

# 1.创建画布
fig = plt.figure(figsize=(8, 6))

# 2.添加2行1列的第1个子图
ax1 = fig.add_subplot(2,1,1)
ax1.plot([1,2,3], [1,2,3])

# 3.添加2行1列的第2个子图
ax2 = fig.add_subplot(2,1,2)
ax2.bar(['A','B','C'], [3,2,5])

# 4.显示图像
plt.show()

plt.figure（） vs plt.subplots（）

• plt.figure（）：仅创建空白画布，子图需手动逐个添加，适合高度自定义布局的场景。
• plt.subplots（）：同时创建画布 + 子图网格，返回 （fig，axes）元组，是日常快速绘图的更常用方式

注意事项：

1. 隐式创建：即使不手动调用 plt.figure（），直接执行 plt.plot（）等绘图命令，Matplotlib 也会自动创建一个默认 figure。
2. 画布复用：重复调用 plt.figure（num=1）不会新建画布，而是将 1 号画布设为当前活动画布，后续绘图会叠加在它上面

2.绘制图像：plt.plot（x，y）

plt.plot（x，y）： 是 Matplotlib 中最常用的折线 / 曲线绘制函数，用于在当前画布上根据 x、y 坐标序列绘制连线图，支持丰富的样式定制（颜色、线型、标记、线宽等）

核心语法：

plt.plot(x, y, fmt='', **kwargs)

核心参数说明：

参数	说明
x	可选 ，x 轴坐标序列（列表、numpy 数组等）。不传时默认自动生成 [0, 1, 2, ..., len(y)-1] 作为 x 值。
y	必选 ，y 轴坐标序列，长度必须与 x 一致。
fmt	可选 ，格式简写字符串，一键设置「颜色 + 线型 + 数据标记」，例如 'r--o'。
**kwargs	关键字参数，精细控制线条、标记的样式。

常用样式关键字参数：

参数	简写	说明
color	c	线条颜色，支持颜色名、十六进制、RGB 元组
linestyle	ls	线型：'-' 实线、'--' 虚线、':' 点线、'-.' 点划线
linewidth	lw	线宽，单位为磅，默认 1.5
marker	-	数据点标记：'o' 圆、's' 方、'^' 三角、'*' 星号、'.' 点
markersize	ms	标记大小
markerfacecolor	mfc	标记填充颜色
markeredgecolor	mec	标记边框颜色
label	-	线条标签，配合 plt.legend() 显示图例
alpha	-	透明度，取值 0~1

fmt 格式字符串规则

fmt 是快速样式简写，格式为【颜色】【线型】【标记】，三部分顺序任意、均可省略 r

• 颜色简写：r 红、g 绿、b 蓝、k 黑、y 黄、c 青、m 品红、w 白
• 线型简写：- 实线、-- 虚线、：点线、-. 点划线
• 标记简写：o 圆、s 方、^ 上三角、* 星、. 点、+ 加号

基础用法：

1. 一次绘制多条曲线

多次调用 plt.plot（） 会在同一张图上叠加：

x = [1, 2, 3, 4]

plt.plot(x, [1, 4, 9, 16], 'r-', label='二次')
plt.plot(x, [1, 8, 27, 64], 'b--', label='三次')

plt.show()

也可以在一个 plot 里传入多组 x，y，fmt：

x = [1, 2, 3, 4]

plt.plot(x, [1,4,9,16], 'r-', x, [1,8,27,64], 'b--')

plt.show()

返回值 ：返回一个 Line2D 对象列表（每一条线对应一个Line2D对象），可以通过接收返回值来后续动态修改线条属性

注意事项

1. 长度匹配：x 和 y 的长度必须完全一致，否则会报错
2. 连线顺序：plot 会严格按照数据点的顺序连接，若 x 无序会出现 "乱线"，需先对数据排序

3.显示图像：plt.show（）

**plt.show（）:**所有绘图逻辑完成后，最后调用一次 plt .show（）显示图形

1.1.3 入门程序案例

1.2 图表结构

2.基础绘图功能

2.1 中文显示问题

Matplotlib 默认字体 DejaVu Sans 不包含中文、日文等东亚字符的字形，无法渲染中文，最终显示为空心方框，因此需要给 Matplotlib 指定一个包含中文字形的字体

解决方案：通过 rcParams全局设置默认字体，一次设置，脚本内所有绘图自动生效，是日常使用的首选方案

# 1. 修复中文显示问题
plt.rcParams['font.sans-serif'] = [
    'SimHei',             # Windows 黑体
    'Microsoft YaHei',    # Windows 微软雅黑
    'PingFang SC',        # Mac 苹方
    'Heiti SC',           # Mac 黑体
    'WenQuanYi Micro Hei' # Linux 文泉驿微米黑
]

# 2. 修复负号显示问题
plt.rcParams['axes.unicode_minus'] = False

2.2 图形辅助功能

2.2.1 绘制 X，Y 轴刻度与标签

plt.xticks（） ：用于查询或设置 x 轴刻度位置与刻度标签的核心函数，可自定义刻度显示的位置、文本内容、旋转角度、字体样式等

注意：plt.yticks（）与之完全对称，作用于 y 轴，用法完全一致

核心语法：

# 1. 查询：获取当前 x 轴的刻度位置和标签
locs, labels = plt.xticks()

# 2. 设置：修改刻度位置、标签及样式
plt.xticks(ticks=x_ticks, labels=None, **kwargs)

核心参数：

参数	说明
ticks	刻度位置序列（列表 / 数组），指定 x 轴上哪些位置显示刻度。传入空列表 可隐藏所有 x 轴刻度
labels	可选，与 ticks 一一 对应的刻度文本标签，长度必须和 ticks 相同。不传则默认使用刻度的数值作为标签
**kwargs	样式控制参数，同时作用于所有刻度标签

常用样式关键字参数：

参数	说明
rotation	标签旋转角度，单位为度，常用 45、90，解决标签重叠
fontsize	标签字号，如 10、'small'
color	标签文字颜色
ha	水平对齐方式，旋转标签时推荐设为 'right' 避免错位
va	垂直对齐方式
fontweight	字重，如 'bold'

**返回值：**无参调用时返回元组 （locs，labels）：

• locs：刻度位置的 numpy 数组
• labels：刻度标签的 Text 对象列表

注意事项：

1. 长度匹配：labels 的长度必须与 ticks 完全一致，否则会报错。
2. 标签截断：旋转标签后常出现底部文字被画布截断，配合 plt.tighy_layout（） 可自动修正边距
3. 数值 vs 文本：ticks 必须是数值型位置，labels 是显示用的文本
4. 层级对应：plt.xticks（）是 pyplot 层级的函数，对应面向对象写法中的 ax.set_xticks（）+ ax.set_xticklabels（）

案例如下：

2.2.2 绘制网格

plt.grid（） ：是 Matplotlib 中用于控制坐标轴网格线的函数，默认状态下网格是关闭的，调用该函数可快速开启或自定义网格样式

语法如下：

plt.grid(b=None, which='major', axis='both', **kwargs)

核心参数：

参数	默认值	说明
b	None	网格显示开关： * True：开启网格 * False：关闭网格 * 不传 / None：切换当前显示状态
which	'major'	控制作用于哪类刻度网格： * 'major'：仅主刻度网格（默认） * 'minor'：仅次刻度网格- * 'both'：主刻度 + 次刻度网格
axis	'both'	控制显示哪个轴的网格： * 'both'：x、y 轴网格都显示 * 'x'：仅显示纵向网格（对应 x 轴刻度） * 'y'：仅显示横向网格（对应 y 轴刻度）
**kwargs	-	网格线样式参数，常用：color、linestyle、linewidth、alpha

常用样式参数：

• color：网格线颜色，推荐浅灰色如 '#e5e5e5'，避免抢夺数据注意力
• linestyle / ls：线型，同 plt.plot（），常用 '-' 实线、'--' 虚线、':' 点线
• linewidth / lw：线宽，默认 0.8，一般设 0.5~1 视觉更柔和
• alpha：透明度，取值 0~1，设 0.5~0.7 可降低网格存在感

注意事项

1. 次刻度依赖： which = 'minor' 或 'both' 时，必须先执行 plt.minorticks_on（）开启次刻度，否则次网格不会显示

2. 视觉优先级：网格是辅助元素，建议用浅色系、低透明度，避免喧宾夺主掩盖数据曲线。

3. 面向对象写法：对应 ax.grid（），参数完全一致，是子图级别控制网格的标准写法

4. 全局默认设置：可通过 rcParams 统一设置全局网格样式，脚本内所有图自动生效：

   plt.rcParams['grid.color'] = '#e0e0e0'
   plt.rcParams['grid.linestyle'] = '--'
   plt.rcParams['grid.alpha'] = 0.7

案例如下：

2.2.3 添加标题

plt.title（） ：是 Matplotlib 中用于设置当前坐标轴（Axes）图表标题的核心函数，默认显示在图表顶部居中位置，支持自定义字体样式、对齐位置、上下间距等

语法如下：

plt.title(label, fontdict=None, loc='center', pad=None, **kwargs)

核心参数：

参数	默认值	说明
label	必选	标题文本字符串，支持换行 \n、LaTeX 数学公式。
fontdict	None	字体属性字典，统一控制标题的字体、大小、颜色、粗细等。
loc	'center'	标题水平位置：- 'center'：居中（默认）- 'left'：左对齐- 'right'：右对齐
pad	None	标题与图表顶部的内边距，单位为磅，值越大标题离图表越远。
**kwargs	-	额外样式参数，可直接覆盖 fontdict 设置，常用：fontsize、color、fontweight、y（垂直位置）、rotation（旋转角度）等。

fontdict 常用键值：

• family：字体，如 "SimHei"
• size：字号，如 14、"large"
• weight：字重，如 "bold"、"normal"
• color：文字颜色
• style：字体风格，如 "italic" 斜体

案例如下：

2.2.4 添加x轴、y轴标签

plt.xlabel（） ：是 Matplotlib 中用于设置 x 轴（横轴）轴标签的核心函数

语法如下：

plt.xlabel(xlabel, fontdict=None, loc='center', labelpad=None, **kwargs)

注意：plt.ylabel（）与之完全对称，作用于 y 轴，用法完全一致

核心参数：

参数	默认值	说明
xlabel	必选	x 轴标签文本字符串，支持换行 \n、LaTeX 数学公式。
fontdict	None	字体属性字典，统一控制标签的字体、字号、颜色、字重等样式。
loc	'center'	标签水平位置： - 'center'：居中（默认） - 'left'：左对齐 - 'right'：右对齐
labelpad	None	标签与 x 轴刻度之间的内边距，单位为磅；值越大，标签离坐标轴越远。
**kwargs	-	额外样式关键字参数，可覆盖 fontdict 设置，常用：fontsize、color、fontweight、rotation、alpha 等。

fontdict 常用键值：

• family：字体，如 "SimHei"
• size：字号，如 14、"large"
• weight：字重，如 "bold"、"normal"
• color：文字颜色
• style：字体风格，如 "italic" 斜体

案例如下：

2.2.5 添加图例

plt.legend（） ：是 Matplotlib 中用于添加图例的核心函数，图例用于标识图表中不同数据系列的含义

基础用法：

1. 自动匹配标签

在绘图函数（ plt.plot / plt.scatter / plt.bar 等）中设置 label 参数，调用 plt.legend（） 即可自动生成图例

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='正弦函数 sin(x)')
plt.plot(x, np.cos(x), label='余弦函数 cos(x)')

plt.legend()  # 自动读取所有图形的 label 生成图例

plt.show()

2. 手动指定标签

不在绘图时设置 label ，直接在 legend（） 中传入标签列表，标签顺序必须与绘图顺序严格一致

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.legend(['正弦函数', '余弦函数'])

注意：该方式在复杂图表中容易对应错乱，推荐在绘图时便设置 label 参数

核心参数：

参数	功能说明	常用取值 / 示例
loc	图例在图内的位置	'best'（默认，自动选最优位置）、'upper right'、'upper left'、'lower right'、'lower left'、'center'、'right'
bbox_to_anchor	图例锚点坐标，用于偏移图例（常配合 loc 将图例放在图外）	(1.05, 1) 图右侧、(0.5, -0.1) 图底部
ncol	图例的列数	整数，默认 1；设为 2 则两列横向排列
title	图例的标题	字符串，如 '曲线类型'
fontsize	图例标签文字大小	数字 或 'small' / 'x-large'
title_fontsize	图例标题文字大小	数字
frameon	是否显示图例边框	True（默认）/ False
facecolor	图例背景颜色	颜色值，如 '#f0f0f0'、'white'
edgecolor	图例边框颜色	颜色值，如 'gray'
handlelength	图例标识（线 / 点 / 块）的长度	浮点数，默认 2.0
labelspacing	图例标签之间的垂直间距	浮点数，默认 0.5

loc 参数：

案例如下：

2.2.6 多坐标系显示（面向对象的画图方式）

Matplotlib 中，一个 Axes 对象 对应一个独立的绘图坐标系（包含 x 轴、y 轴、绘图区域），多坐标系就是在同一张 Figure 画布上创建多个 Axes

Axes ： 是 Matplotlib 中的绘图坐标系对象

Axes对象创建方式：

方式	适用场景	代码示例
plt.subplots()	批量创建规则网格子图（最常用）	fig, axes = plt.subplots(2, 2) ，返回 Axes 数组
fig.add_subplot()	逐个添加规则子图	ax = fig.add_subplot(2, 2, 1)

多坐标系实现方式：plt.subplots（）

plt.subplots（） ：一次性批量创建规则的行列网格子图，返回画布对象 fig 和坐标系数组 axes ，是面向对象绘图的核心入口

核心参数：

• nrows / ncols：子图的行数 / 列数
• sharex / sharey ：是否共享 x/y 轴刻度
  • False：默认，每个子图独立刻度
  • True：所有子图共享完全相同的刻度范围
  • 'row'：同一行的子图共享刻度行内共享：
  • 'col' ：同一列的子图共享刻度
• figsize：画布大小，格式为 （宽，高），单位英寸
• squeeze ：返回数组的维度压缩
  • True（默认）：单个子图返回单个 Axes 对象，1 行 / 1 列返回一维数组，多行多列返回二维数组
  • False：无论多少子图，永远返回二维数组 axes行, 列，适合统一循环绘图
• dpi：画布分辨率

plt.subplots（） 返回（fig，axes）两个对象，axes 的结构随子图数量变化，总体来讲，axes返回值有三种形态：

1. 单个子图：nrows=1，ncols=1时，axes 是单个 Axes 对象，不是数组
2. 单行或单列（1×N 或 N×1）：axes 是一维数组
3. 多行多列（M×N，M>1 且 N>1）：axes 是二维数组，索引格式为 axes行号，列号

plt 写法	Axes 写法	功能
plt.title()	ax.set_title()	设置子图标题
plt.xlabel()	ax.set_xlabel()	设置 x 轴标签
plt.xticks()	ax.set_xticks()	设置 x 轴刻度
plt.legend()	ax.legend()	添加图例
plt.grid()	ax.grid()	显示网格

案例如下：

2.3 图形保存问题

plt.savefig（） ： 是 Matplotlib 中用于将当前绘制的图形保存为本地文件的核心函数，支持 PNG、JPG、SVG、PDF、EPS 等多种格式，是数据可视化导出结果的核心操作

语法如下：

# 1. 绘制图形
*************

# 2. 保存图形（必须在 plt.show() 之前调用）
plt.savefig("my_plot.png")

# 3. 显示图形
plt.show()

核心参数：

参数	说明	常用取值
fname	保存的文件路径 + 名称，后缀自动决定保存格式	"fig.png"、"./output/chart.pdf"
dpi	图像分辨率（每英寸点数），数值越高越清晰，文件越大	默认100；印刷 / 论文建议300
bbox_inches	裁剪图形周边空白边距	"tight"（自动紧裁剪）；None（默认不裁剪）
pad_inches	紧裁剪时，图形与边框的内边距	默认0.1；设为0可极致裁剪
transparent	是否保存为透明背景	True/False（默认）
facecolor	图片背景色	"white"、"#f0f0f0"
format	强制指定保存格式，优先级高于文件名后缀	"png"、"pdf"、"svg"、"jpg"
quality	JPG 格式的画质，仅对 JPG 有效	1~100，默认95

注意事项：

1. savefig（）必须在 show（）之前：plt.show（）会清空画布，如果放在 show（）后面会保存空白图片
2. 适用英文路径保存 ：Matplotlib 对中文路径兼容性较差，建议:
   • 优先适用英文路径和文件名
   • 若必须用中文，可使用路径对象包裹

3.常见图形绘制

3.1 官方案例库

https://matplotlib.org/stable/gallery/index.html

3.2 常见图形种类及意义

3.2.1 折线图

折线图：以折线的上升或下降来表示统计数量的增减变化

特点 ：显示数据的变化趋势，反映事物的变化情况

api：plt.plot（）

3.2.2 柱状图

柱状图：用长方形柱子的高度（纵向）/ 长度（横向）代表数值大小的统计图

特点 ：绘制离散的数据，能够直观看出各个数据的大小，用来对比不同类别之间的数据

api ：plt.bar（）

语法如下：

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

核心参数：

• x ：x 轴坐标，可以是列表 / 数组，柱子的位置
• height：柱子高度，y 值
• width：柱子宽度，默认 0.8
• bottom：柱子底部起始 y 值，做堆叠柱状图用，默认为 0
• align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，这是默认值。 'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'
• color：柱子颜色
• edgecolor：柱子边框颜色
• **kwargs：：其他参数

案例如下：

# 1.创建画布
fig1 = plt.figure(num="柱状图", figsize=(10, 5), dpi=80)

# 2.绘制图形
# 2.1 准备数据
x = ["老虎", "熊猫", "狮子", "大象", "猴子"]
y = [100, 50, 200, 300, 400]

# 2.2 绘制柱状图
plt.bar(x, y, color="blue", width=0.8, label='动物')

# 2.3 添加标题, x,y轴标签, 图例, 网格线
plt.title('鲁国动物留存量柱状图', fontsize=16, fontweight='bold')
plt.xlabel('动物', fontsize=14, fontweight='bold')
plt.ylabel('数量', fontsize=14, fontweight='bold')
plt.legend(loc=0, bbox_to_anchor=(1, 1))
plt.grid(color='gray', linestyle='--', linewidth=0.5, alpha=0.5)

# 2.4 设置x轴,y轴刻度及其刻度标签
x_ticks = ["老虎", "熊猫", "狮子", "大象", "猴子"]
y_ticks = [50, 100, 150, 200, 250, 300, 350, 400, 450]
plt.xticks(x_ticks, rotation=45)
plt.yticks(y_ticks, rotation=45)

# 3.显示图像
plt.show()

3.2.3 直方图

直方图：由一系列高度不等的纵向条纹或线段表示数据的分布情况；一般用横轴表示数据范围，纵轴表示分布情况

特点 ：绘制连续性的数据展示一组 / 多组数据的分布状况

api ：plt.hist（）

语法如下：

plt.hist(x, bins=10, range=None, density=False)

核心参数：

• x：必填，一维数组 / 列表，待统计的原始数据
• bins ：分箱设置，控制区间数量和边界，默认为10
  • 整数：自动将数据范围均分为 n 个区间
  • 序列：手动指定每个分箱的边界
  • 字符串：自动选择分箱算法，可选 "auto"，"fd"，"sturges"，"rice" 等
• range：元组（min，max），只统计该范围内的数据，超出部分忽略，需配合整数型 bins 使用
• density ：布尔值，默认 False
  • False：纵轴为频数（每个区间内的数据点总数）
  • True：纵轴为概率密度，所有区间的面积总和为 1
• normalize：布尔值，默认 True，自动将数值归一化为占比总和为 1；设为 False 时，饼图总面积对应数值总和
• autopct：设置百分比显示格式，常用 "%1.1f%%（保留 1 位小数）；也可传入函数自定义格式。

案例：

# 1.创建画布
fig1 = plt.figure(num="直方图", figsize=(10, 5), dpi=80)

# 2.绘制图形
# 2.1 准备数据
data = np.random.randn(200)

# 2.2 绘制直方图
plt.hist(data, bins=10)

# 2.3 添加标题, x,y轴标签, 图例, 网格线
plt.grid(color='gray', linestyle='--', linewidth=0.5, alpha=0.5)
plt.title('随机正态分布直方图', fontsize=16, fontweight='bold')
plt.xlabel('随机值', fontsize=14, fontweight='bold')
plt.ylabel('数量', fontsize=14, fontweight='bold')

# 2.4 设置x轴,y轴刻度及其刻度标签
x_ticks = [-4, -3,  -2, -1, 0, 1, 2, 3, 4]
y_ticks = [0 ,10, 20, 30, 40 ,50]
plt.xticks(x_ticks)
plt.yticks(y_ticks)

# 3.显示图像
plt.show()

3.2.4 饼图

饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类

特点：分类数据的占比情况

api ：plt.pie（）

语法如下：

plt.pie(x, labels=None, radius=1, colors=None)

核心参数：

• x：必填，一维数组，每个类别的数值；饼图会自动计算各部分占比
• labels：列表，长度与 x 一致，每个饼块的类别名称标签
• radius：数值，饼图的半径大小，默认 1
• colors：列表，每个饼块的填充颜色

案例如下：

# 1.创建画布
fig1 = plt.figure(num="饼图", figsize=(10, 5), dpi=80)

# 2.绘制图形
# 2.1 准备数据
sizes = [100, 200, 400, 20, 300]
labels = ['A', 'B', 'C', 'D', 'E']
# 2.2 绘制直方图
plt.pie(sizes, labels=labels, radius=1, colors=['red', 'blue', 'green', 'yellow', 'purple'], autopct='%1.1f%%')

# 2.3 添加标题
plt.title('饼状图', fontsize=16, fontweight='bold', loc="center")

# 3.显示图像
plt.show()

3.2.5 散点图

散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式

特点 ：用于展示两个连续变量的相关关系、数据聚类或分布特征

api ：plt.scatter（x，y）

语法如下：

plt.scatter(x, y, **kwargs)

核心参数：

• x, y：必填，长度相同的一维数组 / 列表，分别对应每个数据点的横、纵坐标
• s ：点的面积（单位：像素 ²），用于映射第三维数值
  • 传入标量：所有点统一大小，默认值约为 20
  • 传入数组：每个点对应不同大小，可实现气泡图
• c ：点的颜色，用于映射第四维数值，三种常用用法：
  • 单一颜色字符串：所有点同色
  • 颜色列表：逐个指定每个点的颜色
  • 数值数组：配合 cmap 生成颜色梯度，展示连续数值分布
• marker ：点的形状，默认 'o'（实心圆）。常用样式：'s' 正方形、'^' 上三角、'*' 星形、'+' 十字、'.' 极小点

案例：

# 1.创建画布
fig1 = plt.figure(num="散点图", figsize=(10, 5), dpi=80)

# 2.绘制图形
# 2.1 准备数据
x = [100, 200, 300, 400, 500]
y = [5, 9, 12, 20, 10]


# 2.2 绘制散点图
plt.scatter(x, y, color="blue")

# 2.3 添加标题, x,y轴标签, 图例, 网格线
plt.grid(color='gray', linestyle='--', linewidth=0.5, alpha=0.5)
plt.title('客户消费与所给小费散点图', fontsize=16, fontweight='bold')
plt.xlabel('消费', fontsize=14, fontweight='bold')
plt.ylabel('小费', fontsize=14, fontweight='bold')

# 3.显示图像
plt.show()