我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。
scatter() 方法语法格式如下：
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)
参数说明：
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。
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。
c
：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。
marker
：点的样式，默认小圆圈 'o'。
cmap
：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是
image.cmap。
norm
：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。
vmin，vmax：
：亮度设置，在 norm 参数存在时会忽略。
alpha：
：透明度设置，0-1 之间，默认 None，即不透明。
linewidths：
：标记点的长度。
edgecolors：
：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。
plotnonfinite：
：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
**kwargs：
：其他参数。
以下实例 scatter() 函数接收长度相同的数组参数，一个用于 x 轴的值，另一个用于 y 轴上的值：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
1
,
2
,
3
,
4
,
5
,
6
,
7
,
8
]
)
y
=
np.
array
(
[
1
,
4
,
9
,
16
,
7
,
11
,
23
,
18
]
)
plt.
scatter
(
x
,
y
)
plt.
show
(
)
显示结果如下：
设置图标大小：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
1
,
2
,
3
,
4
,
5
,
6
,
7
,
8
]
)
y
=
np.
array
(
[
1
,
4
,
9
,
16
,
7
,
11
,
23
,
18
]
)
sizes
=
np.
array
(
[
20
,
50
,
100
,
200
,
500
,
1000
,
60
,
90
]
)
plt.
scatter
(
x
,
y
,
s
=
sizes
)
plt.
show
(
)
显示结果如下：
自定义点的颜色：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
1
,
2
,
3
,
4
,
5
,
6
,
7
,
8
]
)
y
=
np.
array
(
[
1
,
4
,
9
,
16
,
7
,
11
,
23
,
18
]
)
colors
=
np.
array
(
[
"red"
,
"green"
,
"black"
,
"orange"
,
"purple"
,
"beige"
,
"cyan"
,
"magenta"
]
)
plt.
scatter
(
x
,
y
,
c
=
colors
)
plt.
show
(
)
显示结果如下：
设置两组散点图：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
5
,
7
,
8
,
7
,
2
,
17
,
2
,
9
,
4
,
11
,
12
,
9
,
6
]
)
y
=
np.
array
(
[
99
,
86
,
87
,
88
,
111
,
86
,
103
,
87
,
94
,
78
,
77
,
85
,
86
]
)
plt.
scatter
(
x
,
y
,
color
=
'hotpink'
)
x
=
np.
array
(
[
2
,
2
,
8
,
1
,
15
,
8
,
12
,
9
,
7
,
3
,
11
,
4
,
7
,
14
,
12
]
)
y
=
np.
array
(
[
100
,
105
,
84
,
105
,
90
,
99
,
90
,
95
,
94
,
100
,
79
,
112
,
91
,
80
,
85
]
)
plt.
scatter
(
x
,
y
,
color
=
'#88c999'
)
plt.
show
(
)
显示结果如下：
使用随机数来设置散点图：
import
numpy
as
np
import
matplotlib.
pyplot
as
plt
# 随机数生成器的种子
np.
random
.
seed
(
19680801
)
N
=
50
x
=
np.
random
.
rand
(
N
)
y
=
np.
random
.
rand
(
N
)
colors
=
np.
random
.
rand
(
N
)
area
=
(
30
* np.
random
.
rand
(
N
)
)
**
2
# 0 to 15 point radii
plt.
scatter
(
x
,
y
,
s
=
area
,
c
=
colors
,
alpha
=
0.5
)
# 设置颜色及透明度
plt.
title
(
"RUNOOB Scatter Test"
)
# 设置标题
plt.
show
(
)
显示结果如下：
颜色条 Colormap
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。
下面是一个颜色条的例子：
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。
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
5
,
7
,
8
,
7
,
2
,
17
,
2
,
9
,
4
,
11
,
12
,
9
,
6
]
)
y
=
np.
array
(
[
99
,
86
,
87
,
88
,
111
,
86
,
103
,
87
,
94
,
78
,
77
,
85
,
86
]
)
colors
=
np.
array
(
[
0
,
10
,
20
,
30
,
40
,
45
,
50
,
55
,
60
,
70
,
80
,
90
,
100
]
)
plt.
scatter
(
x
,
y
,
c
=
colors
,
cmap
=
'viridis'
)
plt.
show
(
)
显示结果如下：
如果要显示颜色条，需要使用
plt.colorbar()
方法：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
5
,
7
,
8
,
7
,
2
,
17
,
2
,
9
,
4
,
11
,
12
,
9
,
6
]
)
y
=
np.
array
(
[
99
,
86
,
87
,
88
,
111
,
86
,
103
,
87
,
94
,
78
,
77
,
85
,
86
]
)
colors
=
np.
array
(
[
0
,
10
,
20
,
30
,
40
,
45
,
50
,
55
,
60
,
70
,
80
,
90
,
100
]
)
plt.
scatter
(
x
,
y
,
c
=
colors
,
cmap
=
'viridis'
)
plt.
colorbar
(
)
plt.
show
(
)
显示结果如下：
换个颜色条参数， cmap 设置为
afmhot_r
：
import
matplotlib.
pyplot
as
plt
import
numpy
as
np
x
=
np.
array
(
[
5
,
7
,
8
,
7
,
2
,
17
,
2
,
9
,
4
,
11
,
12
,
9
,
6
]
)
y
=
np.
array
(
[
99
,
86
,
87
,
88
,
111
,
86
,
103
,
87
,
94
,
78
,
77
,
85
,
86
]
)
colors
=
np.
array
(
[
0
,
10
,
20
,
30
,
40
,
45
,
50
,
55
,
60
,
70
,
80
,
90
,
100
]
)
plt.
scatter
(
x
,
y
,
c
=
colors
,
cmap
=
'afmhot_r'
)
plt.
colorbar
(
)
plt.
show
(
)
显示结果如下：
颜色条参数值可以是以下值：
保留关键字
Accent
Accent_r
Blues
Blues_r
BrBG_r
BuGn_r
BuPu_r
CMRmap
CMRmap_r
Dark2
Dark2_r
GnBu_r
Greens
Greens_r
Greys
Greys_r
OrRd_r
Oranges
Oranges_r
PRGn_r
Paired
Paired_r
Pastel1
Pastel1_r
Pastel2
Pastel2_r
PiYG_r
PuBu_r
PuBuGn
PuBuGn_r
PuOr_r
PuRd_r
Purples
Purples_r
RdBu_r
RdGy_r
RdPu_r
RdYlBu
RdYlBu_r
RdYlGn
RdYlGn_r
Reds_r
Set1_r
Set2_r
Set3_r
Spectral
Spectral_r
Wistia
Wistia_r
YlGn_r
YlGnBu
YlGnBu_r
YlOrBr
YlOrBr_r
YlOrRd
YlOrRd_r
afmhot
afmhot_r
autumn
autumn_r
binary
binary_r
bone_r
brg_r
bwr_r
cividis
cividis_r
cool_r
coolwarm
coolwarm_r
copper
copper_r
cubehelix
cubehelix_r
flag_r
gist_earth
gist_earth_r
gist_gray
gist_gray_r
gist_heat
gist_heat_r
gist_ncar
gist_ncar_r
gist_rainbow
gist_rainbow_r
gist_stern
gist_stern_r
gist_yarg
gist_yarg_r
gnuplot
gnuplot_r
gnuplot2
gnuplot2_r
gray_r
hot_r
hsv_r
inferno
inferno_r
jet_r
magma
magma_r
nipy_spectral
nipy_spectral_r
ocean
ocean_r
pink_r
plasma
plasma_r
prism
prism_r
rainbow
rainbow_r
seismic
seismic_r
spring
spring_r
summer
summer_r
tab10
tab10_r
tab20
tab20_r
tab20b
tab20b_r
tab20c
tab20c_r
terrain
terrain_r
twilight
twilight_r
twilight_shifted
twilight_shifted_r
viridis
viridis_r
winter
winter_r
