散點圖是指在回歸分析中,數據點在直角坐標系平面上的分布圖,散點圖表示因變量隨自變量而變化的大致趨勢,據此可以選擇合適的函數對數據點進行擬合。
用兩組數據構成多個坐標點,考察坐標點的分布,判斷兩變量之間是否存在某種關聯或總結坐標點的分布模式。散點圖將序列顯示為一組點。值由點在圖表中的位置表示。類別由圖表中的不同標記表示。散點圖通常用於比較跨類別的聚合數據。
如果需要繪制折線圖,請參考我的這篇文章:
使用python繪制折線圖_焦糖呱呱子的博客-CSDN博客
plt.scatter(x,y,s,color='',cmap='',marker='',alpha='')
(x, y)是其在坐標中的位置,s表示打點的大小,color表示打點的顏色,cmap表示顏色映射表,marker表示打點的標記,alpha修改透明度。舉個例子:
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0.05,10,1000)
y=np.random.rand(1000)
fig=plt.figure(figsize=(3,3),dpi=200)
ax=fig.add_subplot(111)
ax.scatter(x,y,s=10,)
plt.show()
運行結果:
(1)中文不顯示以及負號顯示異常
在前加一句:
plt.rcParams['font.sans-serif']=['...'] # ...替換成字體,常用的有SimHei(黑體),LiSu(隸書),STXingkai(行楷)等等
plt.rcParams['axes.unicode_minus'] = False # 使坐標軸刻度表簽正常顯示正負號
(2)多個子圖共用一個colorbar的排版問題
大家肯定想要的是colorbar顯示在子圖的最下方。
此時應當將colorbar單獨看成一個子圖進行繪制,使用
ax = fig.add_axes[i, j, m, n]
i, j代表本子圖在figure中位置,表示距離figure左邊和下邊的距離。m, n為本子圖的形狀大小。具體參數需要讀者在繪制過程中微調。