通过前几期的推送，我们学习了对比数据差异的柱形图、显示数据占比关系的饼图以及反应数据变化趋势的折线图，还有一种图表是散列点分布在坐标中，反应数据随着自变量变化的趋势——散点图。
本期小编就带领大家一起学习如何用 matplotlib 绘制散点图，如果你也感兴趣的话，就继续看下去吧~
散点图概述
什么是散点图？
散点图将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，判断是否存在某种关联或者分布模式，点的位置由变量的数值决定。
散点图应用场景：
用于观察数据集的分布情况
用于比较跨类别的聚合数据
用于分析数据线性、多项式趋势情况
用于找到数据趋势公式散点图基础绘制
我们可以使用 pyplot 中的 scatter()方法来绘制散点图。
1、基础绘图
**x、y：**长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。
**scatter()函数：**接收长度相同的数组参数，一个用于x轴的值，一个用于y轴的值。
代码：
运行结果：
2、设置点的大小
**s：**点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
代码：
运行结果：
3、设置颜色、透明度与样式
**c：**点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
**alpha：**透明度设置，0-1 之间，默认 None，即不透明。
**marker：**点的样式，默认小圆圈 ‘o’。取值还可以取：(‘o’, ‘v’, ‘^’, ‘<’, ‘>’, ‘8’, ‘s’, ‘p’, ‘*’, ‘h’, ‘H’, ‘D’, ‘d’, ‘P’, ‘X’)。
代码：
运行结果：
散点图其他个性绘制
1、设置颜色条
Matplotlib 模块提供了很多可用的颜色条。颜色条就像一个颜色列表，其中每种颜色都有一个范围从 0 到 100 的值。
设置颜色条需要使用 cmap 参数，默认值为 ‘viridis’，之后颜色值设置为 0 到 100 的数组。
代码：
运行结果：
2、设置多组散点图
代码：
运行结果：
3、使用随机数来设置散点图
代码：
运行结果：
以上就是“Python数据分析 | 数据可视化（五）”的全部内容，希望对你有所帮助。
