数据可视化的散点图 数据可视化散点图圆形

import matplotlib.pyplot as plt

plt.scatter(2, 4)
plt.show()

# 参数s表示小圆点的大小
plt.scatter(2, 4, s = 100)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize = 24)
plt.xlabel("Value", fontsize = 14)
plt.ylabel("Square of Value", fontsize = 14)

#设置刻度标记的大小，which = 'major', 'minor', 'both'分别表示修改主刻度尺、副刻度尺、所有刻度尺
plt.tick_params(axis = 'both', which = 'major', labelsize = 14)

plt.show()

• plt.tick_params()函数中的可选参数which有三个值，分别是’major’, ‘minor’, ‘both’，分别表示修改主刻度尺、副刻度尺和所有刻度尺。这里的主副刻度尺类似于尺子上CM和MM的刻度。默认是which = ‘major’

# 绘制一系列的散点图
x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]

plt.scatter(x_values, y_values, s = 100)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize = 24)
plt.xlabel("Value", fontsize = 14)
plt.ylabel("Square of Value", fontsize = 14)

#设置刻度标记的大小，which = 'major', 'minor', 'both'分别表示修改主刻度尺、副刻度尺、所有刻度尺
plt.tick_params(axis = 'both', which = 'major', labelsize = 14)

plt.show()

• 用函数自动生成计算数据

x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]

plt.scatter(x_values, y_values, s = 4)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize = 24)
plt.xlabel("Value", fontsize = 14)
plt.ylabel("Square of Value", fontsize = 14)

#设置刻度标记的大小，which = 'major', 'minor', 'both'分别表示修改主刻度尺、副刻度尺、所有刻度尺
plt.tick_params(axis = 'both', which = 'major', labelsize = 14)

# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

plt.show()

• plt.axis()是设置坐标轴取值范围，函数要求提供四个值：x和y坐标轴的最小值、最大值。

x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]

# 传入实参，修改数据点的颜色，删除数据点的黑色轮廓
plt.scatter(x_values, y_values, c = 'red', edgecolor = 'none', s = 4)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize = 24)
plt.xlabel("Value", fontsize = 14)
plt.ylabel("Square of Value", fontsize = 14)

#设置刻度标记的大小，which = 'major', 'minor', 'both'分别表示修改主刻度尺、副刻度尺、所有刻度尺
plt.tick_params(axis = 'both', which = 'major', labelsize = 14)

# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

plt.show()

• 绘制的数据点默认是蓝色点和黑色轮廓
• 调用scatter()时传入实参edgecolor = ‘none’，可以去除数据点的黑色轮廓。
• 调用scatter()时传入实参c = ‘red’，可以修改数据点的颜色。c的取值也可以是RGB元组。

x_values = list(range(1, 1001))
y_values = [x**2 for x in x_values]

# 修改颜色映射，y值小的颜色浅，y值大的颜色深，形成渐变色
plt.scatter(x_values, y_values, c = y_values, cmap = plt.cm.Blues, edgecolor = 'none', s = 4)

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize = 24)
plt.xlabel("Value", fontsize = 14)
plt.ylabel("Square of Value", fontsize = 14)

#设置刻度标记的大小，which = 'major', 'minor', 'both'分别表示修改主刻度尺、副刻度尺、所有刻度尺
plt.tick_params(axis = 'both', which = 'major', labelsize = 14)

# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

plt.show()

• 调用scatter()时传入实参c = y_values，将参数c设置成一个y值列表，然后使用参数cmap告诉pyplot使用哪个颜色的映射。于是值小的使用浅色，值大的使用深色，构成了一条渐变色曲线
• 最后可以调用plt.savefig('squares_plot.png', bbox_inches = 'tight')来存储图像文件。第一个参数给出文件名，第二个参数指定将图表多余的空白区域裁减掉，如果要保留多余空白区域可以省略这个实参。