什么是散点图

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

散点图的定义

scatter函数格式：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None,
            vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None,
            hold=None, data=None, **kwargs):

x,y：形如shape(n,)的数组，可选值，
s：  点的大小（也就是面积）默认20
c：  点的颜色或颜色序列，默认蓝色。其它如c = 'r' (red); c = 'g' (green); c = 'k' (black) ; c = 'y'(yellow)
marker：标记样式，可选值，默认是圆点；
cmap: colormap，用于表示从第一个点开始到最后一个点之间颜色渐进变化；
norm: normalize,
vmin:
vmax:
alpha:  设置标记的颜色透明度，可以理解为颜色属性之一
linewidths:  设置标记边框的宽度值
verts:
edgecolors:  设置标记边框的颜色
hold:
data:
**kwargs: 

画一个最简单的散点图

'''
Created on 2023年1月24日
@author: admin
'''
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery')
# make the data
np.random.seed(3)

x = 4 + np.random.normal(0, 2, 24)
y = 4 + np.random.normal(0, 2, len(x))

 
sizes = np.random.uniform(15, 80, len(x))
colors = np.random.uniform(15, 80, len(x))

 
fig, ax = plt.subplots()
ax.scatter(x, y, s=sizes, c=colors, vmin=0, vmax=100)

ax.set(xlim=(0, 8), xticks=np.arange(1, 8),
                ylim=(0, 8), yticks=np.arange(1, 8)
            )

plt.show()

ax.scatter(x, y, s=sizes, c=colors, vmin=0, vmax=100)

其实代码的函数主要参数比较简单，x,y坐标，点的颜色控制

# plt.style.use('_mpl-gallery')  不要设置 样式，则显示如下

继续控制散点图样式

import matplotlib.pyplot as plt

# 第一组散点图坐标
x1 = [89, 43, 36, 36, 95, 10,
66, 34, 38, 20]

y1 = [21, 46, 3, 35, 67, 95,
53, 72, 58, 10]

 # 第f二组散点图坐标
x2 = [26, 30, 48, 64, 6, 5,
36, 66, 72, 40]

y2 = [26, 34, 90, 33, 38,
20, 56, 2, 47, 15]

plt.scatter(x1, y1, c ="pink",
                      linewidths = 2,
                      marker ="s",
                      edgecolor ="green",
                      s = 50)

plt.scatter(x2, y2, c ="yellow",
                linewidths = 2,
                marker ="^",
                edgecolor ="red",
                s = 200)

plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

参数的详细说明可以看文章立面的说明。