Matplotlib 散点图

创建散点图

应用 Pyplot 库, 您可以使用 scatter() 函数来绘制散点图.

scatter() 函数为每次观察绘制一个点。它需要两个长度相同的数组，一个用于 x 轴上的值，另一个用于 y 轴上的值：

实例

一个简单的散点图:

import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

上面例子中的观察结果是 13 辆汽车经过的结果。

X 轴显示汽车的使用年限。

Y 轴显示汽车通过时的速度。

观察结果之间有什么关系吗？

看起来车越新，开得越快，但这可能是巧合，毕竟我们只登记了 13 辆车。

---

比较绘图

在上面的例子中，速度和年龄之间似乎有关系，但是如果我们也绘制另一天的观察结果呢？散点图会告诉我们其他的事情吗？

实例

在同一个的图形种进行两个绘图:

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
#day one, the age and speed of 13 cars:
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)
#day two, the age and speed of 15 cars:
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

注意：这两个图以两种不同的颜色绘制，默认为蓝色和橙色，您将在本章后面学习如何更改颜色。

通过比较这两个图，我们可以肯定地说，它们都给了我们相同的结论：车越新，开得越快。

---

颜色

您可以使用 color 或者 c 参数来为每个散点图设置自己的颜色:

实例

设置您自己的标记颜色：

import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x,  y, color = 'hotpink')
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')
plt.show()

结果:

---

给每个点上色

您甚至可以使用 c 参数，颜色数组作为每个点的值，为每个点设置特定的颜色:

实例

设置您自己的标记颜色：

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

---

ColorMap 色度图

Matplotlib 模块有许多可用的ColorMap。

ColorMap 类似于颜色列表，其中每种颜色的值范围为 0 到 100。

以下是 ColorMap 的示例：

这个 ColorMap 称为 "viridis" ，可以看到它的范围从 0（紫色）到 100（黄色）。:

如何使用 ColorMap

您可以使用关键字参数 cmap和 colormap 的值指定 colormap ，在这种情况下，viridis是 Matplotlib 中可用的内置 colormap 之一。

此外，还必须创建一个具有值（从 0 到 100 ）的数组，散点图中的每个点对应一个值：

实例

创建颜色数组，并在散点图中指定 colormap：

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])
plt.scatter(x, y, c=colors)
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

通过包含 plt.colorbar() 语句，可以在图形中包含 colormap：

实例

包含实际的 colormap:

import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])
plt.scatter(x, y, c=colors, cmap='viridis')
plt.show()
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

可用的 ColorMap

您可用选择任何内置的 ColorMap:

颜色			反色
Accent	试一试 »		Accent_r	试一试 »
Blues	试一试 »		Blues_r	试一试 »
BrBG	试一试 »		BrBG_r	试一试 »
BuGn	试一试 »		BuGn_r	试一试 »
BuPu	试一试 »		BuPu_r	试一试 »
CMRmap	试一试 »		CMRmap_r	试一试 »
Dark2	试一试 »		Dark2_r	试一试 »
GnBu	试一试 »		GnBu_r	试一试 »
Greens	试一试 »		Greens_r	试一试 »
Greys	试一试 »		Greys_r	试一试 »
OrRd	试一试 »		OrRd_r	试一试 »
Oranges	试一试 »		Oranges_r	试一试 »
PRGn	试一试 »		PRGn_r	试一试 »
Paired	试一试 »		Paired_r	试一试 »
Pastel1	试一试 »		Pastel1_r	试一试 »
Pastel2	试一试 »		Pastel2_r	试一试 »
PiYG	试一试 »		PiYG_r	试一试 »
PuBu	试一试 »		PuBu_r	试一试 »
PuBuGn	试一试 »		PuBuGn_r	试一试 »
PuOr	试一试 »		PuOr_r	试一试 »
PuRd	试一试 »		PuRd_r	试一试 »
Purples	试一试 »		Purples_r	试一试 »
RdBu	试一试 »		RdBu_r	试一试 »
RdGy	试一试 »		RdGy_r	试一试 »
RdPu	试一试 »		RdPu_r	试一试 »
RdYlBu	试一试 »		RdYlBu_r	试一试 »
RdYlGn	试一试 »		RdYlGn_r	试一试 »
Reds	试一试 »		Reds_r	试一试 »
Set1	试一试 »		Set1_r	试一试 »
Set2	试一试 »		Set2_r	试一试 »
Set3	试一试 »		Set3_r	试一试 »
Spectral	试一试 »		Spectral_r	试一试 »
Wistia	试一试 »		Wistia_r	试一试 »
YlGn	试一试 »		YlGn_r	试一试 »
YlGnBu	试一试 »		YlGnBu_r	试一试 »
YlOrBr	试一试 »		YlOrBr_r	试一试 »
YlOrRd	试一试 »		YlOrRd_r	试一试 »
afmhot	试一试 »		afmhot_r	试一试 »
autumn	试一试 »		autumn_r	试一试 »
binary	试一试 »		binary_r	试一试 »
bone	试一试 »		bone_r	试一试 »
brg	试一试 »		brg_r	试一试 »
bwr	试一试 »		bwr_r	试一试 »
cividis	试一试 »		cividis_r	试一试 »
cool	试一试 »		cool_r	试一试 »
coolwarm	试一试 »		coolwarm_r	试一试 »
copper	试一试 »		copper_r	试一试 »
cubehelix	试一试 »		cubehelix_r	试一试 »
flag	试一试 »		flag_r	试一试 »
gist_earth	试一试 »		gist_earth_r	试一试 »
gist_gray	试一试 »		gist_gray_r	试一试 »
gist_heat	试一试 »		gist_heat_r	试一试 »
gist_ncar	试一试 »		gist_ncar_r	试一试 »
gist_rainbow	试一试 »		gist_rainbow_r	试一试 »
gist_stern	试一试 »		gist_stern_r	试一试 »
gist_yarg	试一试 »		gist_yarg_r	试一试 »
gnuplot	试一试 »		gnuplot_r	试一试 »
gnuplot2	试一试 »		gnuplot2_r	试一试 »
gray	试一试 »		gray_r	试一试 »
hot	试一试 »		hot_r	试一试 »
hsv	试一试 »		hsv_r	试一试 »
inferno	试一试 »		inferno_r	试一试 »
jet	试一试 »		jet_r	试一试 »
magma	试一试 »		magma_r	试一试 »
nipy_spectral	试一试 »		nipy_spectral_r	试一试 »
ocean	试一试 »		ocean_r	试一试 »
pink	试一试 »		pink_r	试一试 »
plasma	试一试 »		plasma_r	试一试 »
prism	试一试 »		prism_r	试一试 »
rainbow	试一试 »		rainbow_r	试一试 »
seismic	试一试 »		seismic_r	试一试 »
spring	试一试 »		spring_r	试一试 »
summer	试一试 »		summer_r	试一试 »
tab10	试一试 »		tab10_r	试一试 »
tab20	试一试 »		tab20_r	试一试 »
tab20b	试一试 »		tab20b_r	试一试 »
tab20c	试一试 »		tab20c_r	试一试 »
terrain	试一试 »		terrain_r	试一试 »
twilight	试一试 »		twilight_r	试一试 »
twilight_shifted	试一试 »		twilight_shifted_r	试一试 »
viridis	试一试 »		viridis_r	试一试 »
winter	试一试 »		winter_r	试一试 »

---

大小

您可以使用 s 参数更改这些点的大小。

与颜色一样，请确保大小数组的长度与 x 轴和 y 轴数组的长度相同：

实例

为标记设置自己的大小：

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])
plt.scatter(x, y, s=sizes)
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

---

透明度

您可以使用 alpha 参数调这些点的透明度。

与颜色一样，请确保大小数组的长度与 x 轴和 y 轴数组的长度相同：

实例

为标记设置自己的大小和透明度：

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])
plt.scatter(x, y, s=sizes, alpha=0.5)
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果:

---

结合颜色大小和透明度

您可以在点上组合不同大小的 colopmap。如果圆点是透明的，则最好将其可视化：

实例

为 x 点、y 点、颜色和大小创建具有100个值的随机数组：

#Three lines to make our compiler able to draw:
import sys
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))
plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')
plt.colorbar()
plt.show()
#Two  lines to make our compiler able to draw:
plt.savefig(sys.stdout.buffer)
sys.stdout.flush()

结果: