Python Matplotlib 散点图教程：从基础到进阶

"python Matplotlib 散点图1" 在Python的数据可视化领域，Matplotlib库是一个常用且强大的工具，本篇将深入探讨如何使用它来创建散点图。散点图是一种用于展示两个变量之间关系或数据分布的图形，尤其适用于观察数据的相关性和分组情况。在Matplotlib库中，`scatter()`函数是用于绘制散点图的关键。 首先，最基本的散点图绘制只需两步：导入必要的库和调用`scatter()`函数。例如，下面的代码将绘制一个简单的散点图： ```python import matplotlib.pyplot as plt plt.scatter(2, 4) plt.show() ``` 这段代码会在坐标轴上绘制一个位于(2, 4)的点。然而，在实际应用中，我们通常会处理更复杂的数据集。例如，我们可能希望根据数据值的大小用不同的颜色表示点，或者在大量数据中突出某些特定的点。为此，`scatter()`函数允许我们传递更多的参数，如颜色、大小、形状等。以下是一个更复杂的例子： ```python import matplotlib.pyplot as plt import numpy as np # 假设我们有两组数据x和y x = np.array([1, 2, 3, 4]) y = np.array([4, 3, 2, 1]) # 使用不同颜色和大小表示数据 colors = ['red', 'green', 'blue', 'yellow'] sizes = [100, 200, 300, 400] plt.scatter(x, y, c=colors, s=sizes) plt.show() ``` 在这个例子中，我们不仅绘制了多个点，还通过`c`参数设置了点的颜色，并通过`s`参数设置了点的大小。这样，我们可以根据数据的属性进行视觉上的区分。 此外，为了在图表中添加中文标题和标签，我们需要处理字体问题，特别是在Windows系统中。这里使用了`FontProperties`来指定中文字体： ```python from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14) plt.title(u'散点图示例', FontProperties=font) ``` 这确保了图表的标题能正确显示中文字符。 在实际的数据分析中，散点图还有许多高级用法，例如： 1. **颜色映射（Color Mapping）**：可以使用颜色映射来表示第三个变量，比如数据的密度或强度。通过`cmap`参数可以指定颜色映射图。 2. **透明度控制（Alpha Blending）**：通过`alpha`参数调整点的透明度，可以更好地展示数据的堆积情况。 3. **标记文本（Text Annotation）**：在点上添加文本注释，可以使用`annotate()`函数。 4. **自定义符号（Custom Markers）**：除了默认的圆形点，还可以选择其他形状的标记，如星形、三角形等。 5. **数据点的大小比例（Size Scaling）**：通过调整`s`参数的值，可以按比例改变点的大小，反映数据的另一个维度。 6. **图例（Legend）**：使用`legend()`函数添加图例，解释不同颜色或形状的意义。 7. **坐标轴限制（Axis Limits）**：通过`xlim()`和`ylim()`函数设定坐标轴的显示范围。 8. **网格线（Grids）**：使用`grid()`函数添加网格线，帮助观察数据的分布。 掌握这些技巧后，你就可以利用Matplotlib的散点图功能进行复杂的数据可视化，有效地展示和理解数据之间的关系。记得在实际应用中根据数据特性和需求灵活运用这些方法，以达到最佳的可视化效果。