今天給大家分享一個(gè)經(jīng)典案例，那就是在Python matplotlib，如何完整的繪制成功一個(gè)散點(diǎn)圖，其實(shí)，如果想要繪制的話，還是比較麻煩的。但是如果我們使用Python matplotlib的話，繪制的就會(huì)比較好，怎么繪制呢？下面就給大家詳細(xì)的解答下。

　　什么是散點(diǎn)圖？

　　所謂的散點(diǎn)圖，指的是在相關(guān)的數(shù)據(jù)分析當(dāng)中，數(shù)據(jù)會(huì)依次分布在直角坐標(biāo)系當(dāng)中，散點(diǎn)圖是變量跟著自變量去進(jìn)行變動(dòng)，據(jù)此可以選擇合適的函數(shù)對(duì)數(shù)據(jù)點(diǎn)進(jìn)行擬合。

　　用組成的數(shù)據(jù)，做成數(shù)據(jù)的相關(guān)集合點(diǎn)，考察相關(guān)坐標(biāo)點(diǎn)的一個(gè)分布情況，判斷兩變量之間是否存在某種關(guān)聯(lián)或總結(jié)坐標(biāo)點(diǎn)的分布模式。

　　散點(diǎn)圖將序列顯示為一組點(diǎn)。值由點(diǎn)在圖表中的位置表示。類別由圖表中的不同標(biāo)記表示。散點(diǎn)圖通常用于比較跨類別的聚合數(shù)據(jù)。

　　下面給出一個(gè)散點(diǎn)圖的具體代碼案例

　　import matplotlib.pyplot as plt
　　import pandas as pd
　　import numpy as np
　　plt.figure(figsize=(9,5),#(寬度,高度)單位inch
　　dpi=120,#清晰度dot-per-inch
　　#facecolor='#CCCCCC',#畫布底色
　　#edgecolor='black',linewidth=0.2,frameon=True,#畫布邊框
　　#frameon=False#不要畫布邊框
　　)
　　#設(shè)置全局中文字體
　　plt.rcParams['font.sans-serif']='KaiTi'#設(shè)置全局字體為中文楷體
　　plt.rcParams['axes.unicode_minus']=False#不使用中文減號(hào)
　　#讀取數(shù)據(jù)
　　crime=pd.read_csv("crimeRatesByState2005.csv")
　　print(list(crime.murder))#轉(zhuǎn)化成列表
　　#刪除state為United States的數(shù)據(jù)
　　crime2=crime[crime.state!="United States"]
　　#刪除state為District of Columbia的數(shù)據(jù)
　　crime2=crime2[crime2.state!="District of Columbia"]
　　z=list(crime2.population/10000)#取人口數(shù)據(jù)
　　#colors=np.random.rand(len(list(crime2.murder)))#根據(jù)謀殺率隨機(jī)去顏色
　　cm=plt.cm.get_cmap('RdYlBu')#使用色譜RdYlBu
　　plt.scatter(list(crime2.murder),list(crime2.burglary),s=z,c=z,cmap=cm,linewidth=0.5,alpha=0.5)#繪制散點(diǎn)圖
　　plt.xlabel("murder")
　　plt.ylabel("burglary")
　　plt.show()

　　散點(diǎn)圖一行代碼顯示

　　#讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']
　　y=df['sepal_width']
　　#根據(jù)X，Y值畫散點(diǎn)圖
　　plt.scatter(x,y)

　　加顏色的散點(diǎn)圖

　  #讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']
　　y=df['sepal_width']
　　c=df['species'].map({'setosa':'r','versicolor':'g','virginica':'b'})
　　#根據(jù)X，Y值畫散點(diǎn)圖,用不同的顏色標(biāo)識(shí)不同的分類
　　plt.scatter(x,y,c=c)

　　顏色深淺表示數(shù)值大小

　　#讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']
　　y=df['sepal_width']
　　c=df['petal_length']
　　#根據(jù)X，Y值畫散點(diǎn)圖,用顏色的深淺表示花萼的長(zhǎng)度
　　plt.scatter(x,y,c=c,cmap=plt.cm.RdYlBu)

　　散點(diǎn)圖顯示顏色和大小

　　#讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']#x軸坐標(biāo)
　　y=df['sepal_width']#y軸坐標(biāo)
　　c=df['petal_length']#顏色color
　　s=df['petal_width']#大小size
　　#根據(jù)X，Y值畫散點(diǎn)圖,用顏色的深淺表示花萼的長(zhǎng)度，用大小表示花萼的寬度
　　plt.figure(figsize=(5,5),dpi=100)
　　#plt.scatter(x,y,c=c,s=50)#可以是標(biāo)量，那么所有的點(diǎn)都一樣
　　plt.scatter(x,y,c=c,s=s*30)

　　自定義圖表散點(diǎn)圖

　　#讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　def get_xycs(df):
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']#x軸坐標(biāo)
　　y=df['sepal_width']#y軸坐標(biāo)
　　c=df['petal_length']#顏色color
　　s=df['petal_width']#大小size
　　return x,y,c,s
　　markers={'setosa':'o','versicolor':'D','virginica':'*'}
　　#根據(jù)X，Y值畫散點(diǎn)圖,用顏色的深淺表示花萼的長(zhǎng)度，用大小表示花萼的寬度,每組數(shù)據(jù)只能是一種點(diǎn)樣式
　　plt.figure(figsize=(5,5),dpi=100)
　　#plt.scatter(x,y,c=c,s=50)#可以是標(biāo)量，那么所有的點(diǎn)都一樣
　　for sp in df['species'].unique():
　　x,y,c,s=get_xycs(df[df['species']==sp])
　　plt.scatter(x,y,c=c,s=s*30,cmap=plt.cm.seismic,marker=markers[sp],label=sp)
　　plt.legend()

　　散點(diǎn)圖萬能模板

　　#讀取數(shù)據(jù)
　　df=pd.read_csv('iris.csv')
　　def get_xycs(df):
　　#平面坐標(biāo)系的位置只能表示2維數(shù)據(jù)
　　x=df['sepal_length']#x軸坐標(biāo)
　　y=df['sepal_width']#y軸坐標(biāo)
　　c=df['petal_length']#顏色color
　　s=df['petal_width']#大小size
　　return x,y,c,s
　　markers={'setosa':'o','versicolor':'D','virginica':'*'}
　　#根據(jù)X，Y值畫散點(diǎn)圖,用顏色的深淺表示花萼的長(zhǎng)度，用大小表示花萼的寬度,每組數(shù)據(jù)只能是一種點(diǎn)樣式
　　plt.figure(figsize=(5,5),dpi=100)
　　#plt.scatter(x,y,c=c,s=50)#可以是標(biāo)量，那么所有的點(diǎn)都一樣
　　for sp in df['species'].unique():
　　x,y,c,s=get_xycs(df[df['species']==sp])
　　plt.scatter(x,y,s=s*30,cmap=plt.cm.seismic,marker=markers[sp],label=sp)
　　plt.legend()

　　其他模板

　　###在二維坐標(biāo)系上，位置表示(x,y)二維數(shù)據(jù)
　　x=df.sepal_length#x表示花瓣長(zhǎng)
　　y=df.sepal_width#y表示花瓣寬
　　s=(df.petal_length*df.petal_width)*np.pi#s(size)表示花萼面積
　　c=(df.petal_length*df.petal_width)*np.pi
　　plt.scatter(x,y,s=s*5,c=c,cmap=plt.cm.RdYlBu_r)
　　plt.xlabel('sepal_length')
　　plt.ylabel('sepal_width')

　  #在二維坐標(biāo)系上，位置表示(x,y)二維數(shù)據(jù)
　　x=df.sepal_length#x表示花瓣長(zhǎng)
　　y=df.sepal_width#y表示花瓣寬
　　s=(df.petal_length*df.petal_width)*np.pi#s(size)表示花萼面積
　　#print(df.species)
　　#colormap={"setosa":"#FF0000","versicolor":"green","virginica":"b"}#定義一個(gè)字典將species字符串映射到顏色字符串上
　　colormap={"setosa":1,"versicolor":5,"virginica":6}#定義一個(gè)字典將species字符串映射到顏色字符串上
　　c=df.species.map(colormap)
　　#print(c)
　　plt.scatter(x,y,s=s*5,c=c,cmap=plt.cm.coolwarm,alpha=0.7,edgecolors='face')
　　plt.xlabel('sepal_length')
　　plt.ylabel('sepal_width')

  　plt.scatter(df['burglary'],df['larceny_theft'],
　　s=df['population']*2e-5,
　　c=df['motor_vehicle_theft'],cmap=plt.cm.coolwarm,
　　edgecolors='b',
　　alpha=0.75)
　　for idx,statename in df['state'].items():
　　plt.text(x=df['burglary'][idx],y=df['larceny_theft'][idx]-df['population'][idx]*2e-5*0.5,s=statename,fontsize=6,ha='center',va='top')
　　df.plot.scatter(x='burglary',y='larceny_theft',c='motor_vehicle_theft',cmap=plt.cm.coolwarm,s=df['population']*2e-5)
　　for i in df.index:
　　if i in top5_motor_theft_index:#偷車賊最多的5個(gè)州
　　plt.text(df.loc[i,'burglary']+10,df.loc[i,'larceny_theft']-10,df.loc[i,'state'],color='red')#一個(gè)文本框