Matplotlib 散点图绘制详解与实战

Matplotlib是一个广泛使用的Python数据可视化库，尤其在科学计算和数据分析领域中占有重要地位。本文主要讲解如何使用Matplotlib的scatter()函数绘制散点图，以帮助读者理解和掌握这一基本绘图技巧。 首先，安装Matplotlib对于初次接触的同学来说是必不可少的步骤。可以通过命令行工具（如Windows的cmd）利用pip进行安装，安装成功后即可开始使用。接下来，我们将一步步探索如何创建不同类型的散点图。 **一、简单散点图** 1. 基础代码示例： ```python import numpy as np import matplotlib.pyplot as plt # 生成随机数据 n = 1024 X = np.random.normal(0, 1, n) # 正态分布，产生一组样本数据 Y = np.random.normal(0, 1, n) # 使用scatter()函数绘制散点图，传入X和Y坐标 plt.scatter(X, Y) # 显示散点图 plt.show() ``` 在这段代码中，`np.random.normal()`生成了一组符合正态分布的数据，`loc=0`表示平均值，`scale=1`代表标准差，`n`决定了样本数量。 **二、复杂散点图的扩展** - **颜色定制**：为了使散点图更具视觉效果，可以改变每个散点的颜色。在复杂散点图中，我们使用for循环为每种颜色创建一组散点： ```python fig, ax = plt.subplots() colors = ['red', 'green', 'purple'] for color in colors: n = 400 x = np.random.normal(0, 1, n) y = np.random.normal(0, 1, n) ax.scatter(x, y, c=color, label=color, alpha=0.5) # alpha设置透明度 ``` `c=color`参数控制散点的颜色，`label=color`用于添加图例，`alpha=0.5`则设置散点的透明度。 - **多组数据在同一图中**：通过`subplots()`函数创建子图，可以将多组散点数据放在同一张图上，通过循环绘制不同的颜色和标签。 - **添加图例**：`ax.legend()`函数用于显示图例，使得图解更加清晰易懂。 通过这些实例，你不仅可以创建出基础的散点图，还能学习到如何根据需求调整颜色、图例等细节，提升数据可视化的效果。如果你希望深入了解Matplotlib，后续可以进一步研究其更丰富的功能，如调整坐标轴、添加标题、设置轴标签等高级特性。