Python 散点图：绘制和自定义数据可视化 (python编程)

简介

散点图是一种强大的可视化工具，用于显示两个变量之间的关系。在 Python 中，可以使用 matplotlib 库轻松地绘制散点图。本文将指导您完成在 Python 中创建和自定义散点图的步骤。

绘制基本散点图

要绘制基本的散点图，您需要提供两个 NumPy 数组：一个用于 x 坐标，另一个用于 y 坐标。以下是如何使用 matplotlib 的 `scatter()` 函数进行操作：```python import numpy as np import matplotlib.pyplot as plt创建数据 x = np.random.normal(size=100) y = np.random.normal(size=100)绘制散点图 plt.scatter(x, y) plt.show()```这将在当前图上绘制一个包含 100 个点的散点图，其中 x 坐标来自 `x` 数组，y 坐标来自 `y` 数组。

自定义散点图

您可以通过设置 `scatter()` 函数的各种参数来自定义散点图。一些最常见的选项包括：颜色（color）：指定点的颜色。标记（marker）：指定点的形状。大小（s）：指定点的尺寸。透明度（alpha）：指定点的透明度。标签（label）：指定用于图例的散点图标签。例如，要绘制具有蓝色圆形标记且透明度为 0.5 的散点图，可以使用以下代码：```python import numpy as np import matplotlib.pyplot as plt创建数据 x = np.random.normal(size=100) y = np.random.normal(size=100)绘制散点图 plt.scatter(x, y, color='blue', marker='o', s=10, alpha=0.5, label='散点图 1') plt.show()```

添加轴标签和标题

为了让散点图更易于理解，建议添加轴标签和标题。可以使用 `xlabel()`、`ylabel()` 和 `title()` 函数实现此目的。```python import numpy as np import matplotlib.pyplot as plt创建数据 x = np.random.normal(size=100) y = np.random.normal(size=100)绘制散点图 plt.scatter(x, y, color='blue', marker='o', s=10, alpha=0.5, label='散点图 1')添加轴标签和标题 plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.title('散点图示例') plt.show()```

绘制多个散点图

您还可以同时绘制多个散点图。为此，请使用 `subplot()` 函数创建一个子图，并使用 `scatter()` 函数在每个子图上绘制每个散点图。```python import numpy as np import matplotlib.pyplot as plt创建数据 x1 = np.random.normal(size=100) y1 = np.random.normal(size=100) x2 = np.random.normal(size=100) y2 = np.random.normal(size=100)创建子图 fig, axs = plt.subplots(1, 2)在每个子图上绘制散点图 axs[0].scatter(x1, y1, color='blue', marker='o', s=10, alpha=0.5, label='散点图 1') axs[1].scatter(x2, y2, color='red', marker='x', s=10, alpha=0.5, label='smodels` 库中的 `OLS()` 函数实现此目的。```python import numpy as np import matplotlib.pyplot as plt import statsmodels.api as sm创建数据 x = np.random.normal(size=100) y = np.random.normal(size=100)绘制散点图 plt.scatter(x, y)添加回归线 x_ = sm.add_constant(x) model = sm.OLS(y, x_) results = model.fit() y_pred = results.predict(x_)plt.plot(x, y_pred, color='red')plt.show()```

结论

散点图是可视化两个变量之间关系的强大工具。使用 matplotlib，可以在 Python 中轻松地绘制和自定义散点图。通过遵循本文中概述的步骤，您可以创建信息丰富且引人注目的散点图，以有效地传达您的数据。

---

Python实现50个常见可视化图

每当我们需要对数据做可视化呈现时，总是疑虑及烦恼所呈现的图形是怎么样的，如何实现。这里给大家分享一下，常见的50种常见可视化图形。

数据源

这里以几个图形数据为例展示。

散点图（Scatter plot） 散点图是用于研究两个变量之间关系的经典的和基本的图表。如果数据中有多个组，则可能需要以不同颜色可视化每个组。您可以使用 () 方便地执行此操作。

抖动图（Jittering with stripplot） 通常，多个数据点具有完全相同的 X 和 Y 值。结果，多个点绘制会重叠并隐藏。为避免这种情况，请将数据点稍微抖动，以便您可以直观地看到它们。

使用 seaborn 的 stripplot() 很方便实现这个功能。

相关图（Correllogram） 相关图用于直观地查看给定数据框（或二维数组）中所有可能的数值变量对之间的相关度量。

更多资料请参考 原文

【python】matplotlib数据可视化(7)——图中图

在matplotlib的世界里，figure和axes就如同艺术创作中的画布和画纸，figure是我们的画布，而axes则是其中的精细区域，它们之间的关系就如同画布上的多个独立画作。让我们通过两种方法来深入理解如何在figure中构建丰富的图中图效果。

方法一：灵活调整figure与axes

首先，我们从基础开始。创建一个figure对象，然后使用_axes方法添加小图。在下面的代码中，我们创建了一个大图（big axes）:

import numpy as npimport as pltfig = ()x = [1, 2, 3, 4, 5, 6, 7]y = [1, 3, 4, 2, 9, 5, 6]left, bottom, width, height = 0.1, 0.1, 0.8, 0.8# 从大图左下角10%位置开始，占据80%的宽度和高度ax1 = _axes([left, bottom, width, height])(x, y, r)# 红色线条_xlabel(x)_ylabel(y)_title(big axes)为了展示大图与小图的对比，我们将大图左起点的位置调整到0.5：left, bottom, width, height = 0.5, 0.1, 0.8, 0.8接着，我们创建了一个小图（little1），它位于大图右侧，占据1/4的画布空间：y1 = [a * 2 for a in y]# 将y轴值放大2倍left, bottom, width, height = 0.2, 0.6, 0.2, 0.2ax2 = _axes([left, bottom, width, height])(x1, y1, b)_title(little1)最后，通过()展示我们的图中图效果。

现在，大图与小图并列呈现，形成了直观的图中图布局。

方法二：更简洁的添加小图

另一种创建图中图的方法是利用()函数，它更简洁易用。让我们用这种方法创建一个额外的小图（little axes2）:

([0.6, 0.1, 0.2, 0.2])# 小图3，位置设定(x1, y1, y)# 黄色线条(little axes2)这种方法直接在figure中添加小图，无需提前创建大图，展示了matplotlib的灵活性。

通过以上两种方法，你已经掌握了在matplotlib中创建和布局图中图的基本技巧。现在，你可以自由发挥，创造出丰富的可视化效果，让数据的故事更加生动。

python多维数据怎么绘制散点图

python matplotlib模块，是扩展的MATLAB的一个绘图工具库。他可以绘制各种图形，可是最近最的一个小程序，得到一些三维的数据点图，就学习了下python中的matplotlib模块，如何绘制三维图形。

初学者，可能对这些第三方库安装有一定的小问题，对于一些安装第三方库经验较少的朋友，建议使用 Anaconda ，集成了很多第三库，基本满足大家的需求，下载地址，对应选择python 2.7 或是 3.5 的就可以了（PS：后面的demo是python2.7）：

首先提醒注意，以下两个函数的区别：

_surface(X, Y, Z, rstride=1, cstride=1, cmap=rainbow) #绘面1

和

(x[1000:4000],y[1000:4000],z[1000:4000],c=r) #绘点1

1、绘制3D曲面图

# -*- coding: utf-8 -*-Created on Thu Sep 24 16:17:13 2015@author: Eddy_zhengfrom matplotlib import pyplot as pltimport numpy as npfrom mpl_3d import Axes3Dfig = ()ax = Axes3D(fig)X = (-4, 4, 0.25)Y = (-4, 4, 0.25)X, Y = (X, Y)R = (X**2 + Y**2)Z = (R)# 具体函数方法可用 help(function) 查看，如：help(_surface)_surface(X, Y, Z, rstride=1, cstride=1, cmap=rainbow)()2223

效果展示：

2、绘制三维的散点图（通常用于表述一些数据点分布）

数据地址，找到 下载即可:

# -*- coding: utf-8 -*-Created on Thu Sep 24 16:37:21 2015@author: Eddy_zhengimport as sio from mpl_3d import Axes3Dimport as pltmat1 = #这是存放数据点的文件，需要它才可以画出来。上面有下载地址data = (mat1)m =) #创建一个三维的绘图工程#将数据点分成三部分画，在颜色上有区分度(x[:1000],y[:1000],z[:1000],c=y) #绘制数据点(x[1000:4000],y[1000:4000],z[1000:4000],c=r)(x[4000:],y[4000:],z[4000:],c=g)_zlabel(Z) #坐标轴_ylabel(Y)_xlabel(X)()7

效果：

上面就是学习区分了下两个函数，当时还被小困惑了下，希望对大家有所帮助。其实里面还有好多参数设置，比如说改变颜色，包括绘制点图的点的形状等都是可以改变的，有需要的大家可以自己看看这个函数，学习下(help(对应的function))。

若对本页面资源感兴趣，请点击下方或右方图片，注册登录后

搜索本页相关的【资源名】【软件名】【功能词】或有关的关键词，即可找到您想要的资源

如有其他疑问，请咨询右下角【在线客服】，谢谢支持！