Python利用matplotlib绘制散点图的新手教程
前言
上篇文章介绍了使用matplotlib绘制折线图，参考：https://www.jb51.net/article/198991.htm，本篇文章继续介绍使用matplotlib绘制散点图。
一、matplotlib绘制散点图
# coding=utf-8 import matplotlib.pyplot as plt years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019] turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684] plt.figure(figsize=(10, 10), dpi=100) plt.scatter(years, turnovers) plt.show()
运行结果：
scatter(): matplotlib中绘制散点图的函数。可以传入很多参数，一般传入两个列表，分别是散点图中的x值和y值。上面的例子中使用2009年至2019年这十一年天猫双11的总成交额数据。
散点图根据提供的两组数据，构成图形中的多个坐标点。根据坐标点的分布，分析两个变量之间是否存在某种关联，或总结坐标点的分布趋势，用于预测数据的走势。
上面的代码已经实现了简单的散点图，但只把点绘制出来了，很多信息都不完整，所以需要进行优化。
二、matplotlib优化散点图
import matplotlib.pyplot as plt
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
plt.figure(figsize=(10, 15), dpi=100)
plt.scatter(years, turnovers, c='red', s=100, label='成交额')
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交额", fontdict={'size': 16})
plt.title("历年天猫双11总成交额", fontdict={'size': 20})
plt.legend(loc='best')
plt.show()
运行结果：
在第一次绘制的散点图中，已经看出了点的大概分布情况，所以在使用figure()函数创建图像时，可以修改figsize参数调整图像尺寸，设置更好的图像比例。
在调用scatter()函数绘制散点图时，使用c='颜色'来设置点的颜色，使用s='大小'来设置点的大小，并设置label用于图例展示。
第一次的散点图中，x轴上没有显示所有的年份刻度，最后一个点已经分布到了图形的右上角，所以使用xticks()和yticks()来设置x轴和y轴的刻度标签和范围。
使用xlabel()和ylabel()设置x轴和y轴的标签，说明x轴和y轴的含义。使用title()设置散点图的标题，说明散点图展示的数据。使用legend()将图例展示出来。
这样一张基本功能完整，信息完整的散点图就完成了。
三、matplotlib散点图区分点的颜色和大小
import matplotlib.pyplot as plt
import numpy as np
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
plt.figure(figsize=(10, 15), dpi=100)
size = list()
for tur in turnovers:
size.append(tur) if tur > 100 else size.append(100)
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.scatter(years, turnovers, c=np.random.randint(0, 50, 11), s=size)
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交额", fontdict={'size': 16})
plt.title("历年天猫双11总成交额", fontdict={'size': 20})
plt.show()
运行结果：
上一张散点图中已经对数据作了基本的展示，为了使数据展示效果更好，可以对散点图进行美化。
数据是历年双11的总成交额，每年的数据是独立的，可以用不同的颜色来区分。这里使用numpy中的random.randint()随机生成11个值，将这11个随机的值传给scatter()函数中的c参数，使每一个点的颜色不一样，可以更好地表示每个点的独立性。
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
成交额是逐年变化的，为了从散点图中体现出大小的差异，可以根据成交额的大小设置点的大小。这里直接将成交额作为点的大小(成交额很小的设置一个值，图形中的点不小于这个值)，得到由11个值组成的列表，传给scatter()函数中的s参数，可以体现每个点的大小差异(成交额越大点越大)。
四、matplotlib散点图的趋势简单分析
import matplotlib.pyplot as plt
import numpy as np
import math
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
turnovers = [0.5, 9.36, 52, 191, 350, 571, 912, 1027, 1682, 2135, 2684]
squares = [math.pow(year-2008, 3.3) for year in years]
powers = [math.pow(2, year-2008) for year in years]
plt.figure(figsize=(10, 15), dpi=100)
size = list()
for tur in turnovers:
size.append(tur) if tur > 100 else size.append(100)
plt.xticks(range(2008, 2020, 1))
plt.yticks(range(0, 3200, 200))
plt.scatter(years, turnovers, c=np.random.randint(0, 50, 11), s=size, label='成交额')
plt.plot(years, squares, color='red', label='x^3.4')
plt.plot(years, powers, color='blue', label='2^n')
plt.legend(loc='best', fontsize=16, markerscale=0.5)
plt.xlabel("年份", fontdict={'size': 16})
plt.ylabel("成交额", fontdict={'size': 16})
plt.title("历年天猫双11总成交额", fontdict={'size': 20})
plt.show()
运行结果：
散点图的作用主要是用于分析数据的趋势，用于预测未来的数据。比如我想预测2020年天猫双11的总成交额，通过对比的方式，简单分析一下这个趋势更接近指数函数还是更接近多次函数。
在散点图中，我绘制了两条曲线，y=2^x和y=x^(3.4)，一条是2为底的指数函数，一条是x的3.4次方(三次函数ax^3+bx^2+cx+d)，可以看到双11总成交额的变化趋势更接近三次函数。
这里我只是简单对比一下，三次函数还有二次项、一次项和常数项，所以x^(3.4)中的0.4可以通过二次项、一次项和常数项来补充，指数函数的变化趋势太快，与双11总成交额的变化趋势差异很大。这种简单对比是很粗糙的，只是为了说明散点图可以用于分析趋势。真实的分析不能简单看每年的数据，需要考虑很多因素(甚至因为某个因素的加入，成交额已经快到天花板了，很可能后面会下降)。
总结
到此这篇关于Python利用matplotlib绘制散点图的文章就介绍到这了,更多相关Python matplotlib绘制散点图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python unittest模块用法,结合实例形式分析了unittest模块功能及相关函数使用技巧,需要的朋友可以参考下2018-05-05
今天小编就为大家分享一篇python实现中文文本分句的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
Flask实现的接口响应中存在中文时接口返回为unicode乱码的解决方法
本文给大家分享了新版Flask实现的接口响应中存在中文时接口返回为unicode乱码的解决方法,文中通过代码示例和图文介绍的非常详细,如果有遇到相同问题的朋友,可以参考阅读本文2023-11-11
python利用pytesseract 实现本地识别图片文字
这篇文章主要介绍了python利用pytesseract 实现本地识别图片文字，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2020-12-12
Python 多好用不用多说，大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗？本文中，作者列举了 Python 中五种略高级的特征以及它们的使用方法，快来一探究竟吧！2020-09-09
这篇文章主要给大家分享的是Python 5种常见字符串去除空格操作的方法，包括有strip()方法、rstrip()方法、replace()方法、join()方法+split()方法，下面文章是详细内容,需要的朋友可以参考一下2021-11-11
python中用cantools和can工具包解析blf文件的方法
这篇文章主要给大家介绍了关于python中用cantools和can工具包解析blf文件的相关资料,blf数据不像mf4那样自带信号数据库,因为它是记日志用的,一般情况下要尽可能的小,需要的朋友可以参考下2023-09-09
抖音越来越火，越刷越上瘾，总感觉下一个视频一定会更精彩，根本停不下来。想将抖音里喜欢的小哥哥/小姐姐的视频全部存到电脑硬盘里，还没有抖音的视频水印，跟着小编来看看吧2018-09-09
这篇文章主要为大家详细介绍了centos6.4下python3.6.1的安装教程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-07-07
使用pandas实现csv/excel sheet互相转换的方法
今天小编就为大家分享一篇使用pandas实现csv/excel sheet互相转换的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
最新评论