散点图(scatter)
学习目标
-
目标
。掌握常见统计图及其意义 。绘制散点图 -
应用
。探究不同变量之间的关系 -
内容预览
。2.3.1常见图形种类及意义。2.3.2散点图绘制
。2.3.3散点图应用场景
Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。
我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。
常见图形种类及意义
- 折线图 plot ：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映数据的变化情况。（变化）
- 散点图 scatter ：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断数据之间是否存在数量关联趋势，展示离群点（分布规律）
- 柱状图 bar ：排列在工作表的行或列中的数据可以绘制在柱状图中。
特点：绘制连离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别。（统计/对比）
- 直方图 histogram ：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布情况。（统计）
- 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况。（占比）
散点图绘制
示例：
需求：探究房屋面积和房屋价格的关系
房屋面积数据：
x=[225.98，247.07，253.14，457.85，241.58，
301.01，20.67，288.64，163.56，120.06，
207.83，342.75，147.9，53.06，224.72，29.51，
21.61，483.21，245.25，399.25，343.35]房屋价格数据：
y=[196.63，203.88，210.75，372.74，202.41，
247.61，24.9，239.34，140.32，104.15，176，
84，288.23，128.79，49.64，191.74，33.1，
30.74，400.02，205.35，330.64，283.45]代码：
#1、准备数据
x=[225.98，247.07，253.14，457.85，241.58，
301.01，20.67，288.64，163.56，120.06，
207.83，342.75，147.9，53.06，224.72，29.51，
21.61，483.21，245.25，399.25，343.35]
y=[196.63，203.88，210.75，372.74，202.41，
247.61，24.9，239.34，140.32，104.15，176，
84，288.23，128.79，49.64，191.74，33.1，
30.74，400.02，205.35，330.64，283.45]
#2、创建画布
plt.figure(fig size=(20， 8) ， dpi=80)
#3、绘制图像
plt.scatter(x， y)
#4、显示图像
plt.show()执行结果为：
散点图应用场景
探究不同变量之间的内在关系。
配套视频课程点击这里查看
学习更多有关内容，请订阅 Python学习站 官方技术圈！
