【数字的可视化：python画图之散点图sactter函数详解】

阳光穿透心脏的1/2处 2022-06-09 10:08 151阅读 0赞

转载：http://blog.csdn.net/u013634684/article/details/49646311

最近开始学习[Python][]编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下：

1、scatter函数原型

![Center][]

2、其中散点的形状参数marker如下：

![Center 1][]

3、其中颜色参数c如下:

![Center 2][]

4、基本的使用方法如下：

**\[python\]**  [view plain][]   [copy][view plain]

1.  \#导入必要的模块  
2.  **import** numpy as np  
3.  **import** matplotlib.pyplot as plt  
4.  \#产生测试数据  
5.  x = np.arange(1,10)  
6.  y = x  
7.  fig = plt.figure()  
8.  ax1 = fig.add\_subplot(111)  
9.  \#设置标题  
10. ax1.set\_title('Scatter Plot')  
11. \#设置X轴标签  
12. plt.xlabel('X')  
13. \#设置Y轴标签  
14. plt.ylabel('Y')  
15. \#画散点图  
16. ax1.scatter(x,y,c = 'r',marker = 'o')  
17. \#设置图标  
18. plt.legend('x1')  
19. \#显示所画的图  
20. plt.show()

结果如下：

![Center 3][]

5、当scatter后面参数中数组的使用方法，如s，当s是同x大小的数组，表示x中的每个点对应s中一个大小，其他如c，等用法一样，如下：

（1）、不同大小

**\[python\]**  [view plain][]   [copy][view plain]

1.  \#导入必要的模块  
2.  **import** numpy as np  
3.  **import** matplotlib.pyplot as plt  
4.  \#产生测试数据  
5.  x = np.arange(1,10)  
6.  y = x  
7.  fig = plt.figure()  
8.  ax1 = fig.add\_subplot(111)  
9.  \#设置标题  
10. ax1.set\_title('Scatter Plot')  
11. \#设置X轴标签  
12. plt.xlabel('X')  
13. \#设置Y轴标签  
14. plt.ylabel('Y')  
15. \#画散点图  
16. sValue = x\*10  
17. ax1.scatter(x,y,s=sValue,c='r',marker='x')  
18. \#设置图标  
19. plt.legend('x1')  
20. \#显示所画的图  
21. plt.show()

![Center 4][]

（2）、不同颜色

**\[python\]**  [view plain][]   [copy][view plain]

1.  \#导入必要的模块  
2.  **import** numpy as np  
3.  **import** matplotlib.pyplot as plt  
4.  \#产生测试数据  
5.  x = np.arange(1,10)  
6.  y = x  
7.  fig = plt.figure()  
8.  ax1 = fig.add\_subplot(111)  
9.  \#设置标题  
10. ax1.set\_title('Scatter Plot')  
11. \#设置X轴标签  
12. plt.xlabel('X')  
13. \#设置Y轴标签  
14. plt.ylabel('Y')  
15. \#画散点图  
16. cValue = \['r','y','g','b','r','y','g','b','r'\]  
17. ax1.scatter(x,y,c=cValue,marker='s')  
18. \#设置图标  
19. plt.legend('x1')  
20. \#显示所画的图  
21. plt.show()

结果：

![Center 5][]

（3）、线宽linewidths

**\[python\]**  [view plain][]   [copy][view plain]

1.  \#导入必要的模块  
2.  **import** numpy as np  
3.  **import** matplotlib.pyplot as plt  
4.  \#产生测试数据  
5.  x = np.arange(1,10)  
6.  y = x  
7.  fig = plt.figure()  
8.  ax1 = fig.add\_subplot(111)  
9.  \#设置标题  
10. ax1.set\_title('Scatter Plot')  
11. \#设置X轴标签  
12. plt.xlabel('X')  
13. \#设置Y轴标签  
14. plt.ylabel('Y')  
15. \#画散点图  
16. lValue = x  
17. ax1.scatter(x,y,c='r',s= 100,linewidths=lValue,marker='o')  
18. \#设置图标  
19. plt.legend('x1')  
20. \#显示所画的图  
21. plt.show()

![Center 6][]

注：  这就是scatter基本的用法。

[Python]: http://lib.csdn.net/base/python
[Center]: /images/20220609/8ed6434b20b242e9b14d3d0397802c17.png
[Center 1]: /images/20220609/41275890542841f1bda1963d0971bafb.png
[Center 2]: /images/20220609/6d716e79aef444fba24c40b03762313d.png
[view plain]: http://blog.csdn.net/u013634684/article/details/49646311#
[Center 3]: /images/20220609/8a056119740742d6bb85b0b5ab3a840d.png
[Center 4]: /images/20220609/b3dc4c4ff5d748f6aac162c9cc2f659c.png
[Center 5]: /images/20220609/843431bc60244459af3ae816816bbd15.png
[Center 6]: /images/20220609/e6a88b9ea26741f6bc7536f3c4fc79d8.png