散点图
散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。
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。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。
下面给出一个散点图的具体代码案例
import matplotlib.pyplot as plt import pandas as pd import numpy as np plt.figure(figsize=(9,5), # (宽度 , 高度) 单位inch dpi=120, # 清晰度 dot-per-inch # facecolor='#CCCCCC', # 画布底色 # edgecolor='black',linewidth=0.2,frameon=True, # 画布边框 #frameon=False # 不要画布边框 ) # 设置全局中文字体 plt.rcParams['font.sans-serif'] = 'KaiTi' # 设置全局字体为中文 楷体 plt.rcParams['axes.unicode_minus'] = False # 不使用中文减号 #读取数据 crime=pd.read_csv("crimeRatesByState2005.csv") print (list(crime.murder))#转化成列表 #删除state为United States的数据 crime2 = crime[crime.state != "United States"] #删除state为District of Columbia的数据 crime2 = crime2[crime2.state != "District of Columbia" ] z = list(crime2.population/10000)#取人口数据 #colors = np.random.rand(len(list(crime2.murder)))#根据谋杀率随机去颜色 cm = plt.cm.get_cmap('RdYlBu')#使用色谱RdYlBu plt.scatter(list(crime2.murder), list(crime2.burglary), s=z,c=z,cmap = cm, linewidth = 0.5, alpha = 0.5)#绘制散点图 plt.xlabel("murder") plt.ylabel("burglary") plt.show()
散点图一行代码显示
# 读取数据 df = pd.read_csv('iris.csv') # 平面坐标系的位置只能表示2维数据 x = df['sepal_length'] y = df['sepal_width'] # 根据X，Y值画散点图 plt.scatter(x,y)
加颜色的散点图
# 读取数据 df = pd.read_csv('iris.csv') # 平面坐标系的位置只能表示2维数据 x = df['sepal_length'] y = df['sepal_width'] c = df['species'].map({'setosa':'r','versicolor':'g','virginica':'b'}) # 根据X，Y值画散点图, 用不同的颜色标识不同的分类 plt.scatter(x,y, c=c)
颜色深浅表示数值大小
# 读取数据 df = pd.read_csv('iris.csv') # 平面坐标系的位置只能表示2维数据 x = df['sepal_length'] y = df['sepal_width'] c = df['petal_length'] # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度 plt.scatter(x,y, c=c, cmap=plt.cm.RdYlBu)
散点图显示颜色和大小
# 读取数据 df = pd.read_csv('iris.csv') # 平面坐标系的位置只能表示2维数据 x = df['sepal_length'] # x 轴坐标 y = df['sepal_width'] # y 轴坐标 c = df['petal_length'] # 颜色color s = df['petal_width'] # 大小size # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度 plt.figure(figsize=(5,5),dpi=100) #plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样 plt.scatter(x,y, c=c, s=s*30)
自定义图表散点图
# 读取数据 df = pd.read_csv('iris.csv') def get_xycs(df): # 平面坐标系的位置只能表示2维数据 x = df['sepal_length'] # x 轴坐标 y = df['sepal_width'] # y 轴坐标 c = df['petal_length'] # 颜色color s = df['petal_width'] # 大小size return x,y,c,s markers = {'setosa':'o', 'versicolor':'D', 'virginica':'*'} # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度, 每组数据只能是一种点样式
plt.figure(figsize=(5,5),dpi=100)
#plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样
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()
