matplotlib绘制散点图之基本配置——万能模板案例

目录

散点图

 散点图一行代码显示

 加颜色的散点图

颜色深浅表示数值大小

散点图显示颜色和大小

自定义图表散点图

散点图万能模板

其他模板

每文一语

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。

下面给出一个散点图的具体代码案例

      import matplotlib.pyplot as plt
      import pandas  as pd
      import  numpy as np
      plt.figure(figsize=(9,5),   # (宽度 , 高度) 单位inch 
                 dpi=120,         # 清晰度 dot-per-inch
      # facecolor='#CCCCCC', # 画布底色
      # edgecolor='black',linewidth=0.2,frameon=True, # 画布边框
                #frameon=False # 不要画布边框
                )
      # 设置全局中文字体
      plt.rcParams['font.sans-serif'] = 'KaiTi' # 设置全局字体为中文 楷体
      plt.rcParams['axes.unicode_minus'] = False # 不使用中文减号
      #读取数据
      crime=pd.read_csv("crimeRatesByState2005.csv")
      print (list(crime.murder))#转化成列表
      #删除state为United States的数据
      crime2 = crime[crime.state != "United States"]
      #删除state为District of Columbia的数据
      crime2 = crime2[crime2.state != "District of Columbia" ]
      z = list(crime2.population/10000)#取人口数据
      #colors = np.random.rand(len(list(crime2.murder)))#根据谋杀率随机去颜色
      cm = plt.cm.get_cmap('RdYlBu')#使用色谱RdYlBu
      plt.scatter(list(crime2.murder), list(crime2.burglary), s=z,c=z,cmap = cm, linewidth = 0.5, alpha     = 0.5)#绘制散点图
      plt.xlabel("murder")
      plt.ylabel("burglary")
      plt.show()
  
 

 散点图一行代码显示

      # 读取数据
      df = pd.read_csv('iris.csv')
      # 平面坐标系的位置只能表示2维数据
      x = df['sepal_length']
      y = df['sepal_width']
      # 根据X，Y值画散点图
      plt.scatter(x,y)
  
 

 加颜色的散点图

      # 读取数据
      df = pd.read_csv('iris.csv')
      # 平面坐标系的位置只能表示2维数据
      x = df['sepal_length']
      y = df['sepal_width']
      c = df['species'].map({'setosa':'r','versicolor':'g','virginica':'b'})
      # 根据X，Y值画散点图, 用不同的颜色标识不同的分类
      plt.scatter(x,y, c=c)
  
 

颜色深浅表示数值大小

      # 读取数据
      df = pd.read_csv('iris.csv')
      # 平面坐标系的位置只能表示2维数据
      x = df['sepal_length']
      y = df['sepal_width']
      c = df['petal_length']
      # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度
      plt.scatter(x,y, c=c, cmap=plt.cm.RdYlBu)
  
 

散点图显示颜色和大小

      # 读取数据
      df = pd.read_csv('iris.csv')
      # 平面坐标系的位置只能表示2维数据
      x = df['sepal_length']  # x 轴坐标
      y = df['sepal_width']   # y 轴坐标
      c = df['petal_length']  # 颜色color
      s = df['petal_width']   # 大小size
      # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度
      plt.figure(figsize=(5,5),dpi=100)
      #plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样
      plt.scatter(x,y, c=c, s=s*30)
  
 

自定义图表散点图

      # 读取数据
      df = pd.read_csv('iris.csv')
      def get_xycs(df):
         # 平面坐标系的位置只能表示2维数据
          x = df['sepal_length']  # x 轴坐标
          y = df['sepal_width']   # y 轴坐标
          c = df['petal_length']  # 颜色color
          s = df['petal_width']   # 大小size
         return x,y,c,s
      markers = {'setosa':'o', 'versicolor':'D', 'virginica':'*'}
      # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度, 每组数据只能是一种点样式
      plt.figure(figsize=(5,5),dpi=100)
      #plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样
      for sp in df['species'].unique():
          x,y,c,s = get_xycs(df[df['species']==sp])
          plt.scatter(x,y, c=c, s=s*30, cmap=plt.cm.seismic, marker=markers[sp],label=sp)
      plt.legend()
  
 

散点图万能模板

      # 读取数据
      df = pd.read_csv('iris.csv')
      def get_xycs(df):
         # 平面坐标系的位置只能表示2维数据
          x = df['sepal_length']  # x 轴坐标
          y = df['sepal_width']   # y 轴坐标
          c = df['petal_length']  # 颜色color
          s = df['petal_width']   # 大小size
         return x,y,c,s
      markers = {'setosa':'o', 'versicolor':'D', 'virginica':'*'}
      # 根据X，Y值画散点图, 用颜色的深浅表示花萼的长度，用大小表示花萼的宽度, 每组数据只能是一种点样式
      plt.figure(figsize=(5,5),dpi=100)
      #plt.scatter(x,y, c=c, s=50) # 可以是标量，那么所有的点都一样
      for sp in df['species'].unique():
          x,y,c,s = get_xycs(df[df['species']==sp])
          plt.scatter(x,y, s=s*30, cmap=plt.cm.seismic, marker=markers[sp],label=sp)
      plt.legend()
  
 

其他模板

      ### 在二维坐标系上，位置表示(x,y)二维数据
      x = df.sepal_length  # x 表示花瓣长
      y = df.sepal_width   # y 表示花瓣宽
      s = (df.petal_length * df.petal_width)*np.pi   # s(size) 表示花萼面积
      c = (df.petal_length * df.petal_width)*np.pi
      plt.scatter(x,y,s=s*5, c=c,cmap=plt.cm.RdYlBu_r)
      plt.xlabel('sepal_length')
      plt.ylabel('sepal_width')
  
 

      # 在二维坐标系上，位置表示(x,y)二维数据
      x = df.sepal_length  # x 表示花瓣长
      y = df.sepal_width   # y 表示花瓣宽
      s = (df.petal_length * df.petal_width)*np.pi   # s(size) 表示花萼面积
      #print(df.species)
      #colormap = {"setosa":"#FF0000", "versicolor":"green", "virginica":"b"} # 定义一个字典将species字符串映射到颜色字符串上
      colormap = {"setosa":1, "versicolor":5, "virginica":6}  # 定义一个字典将species字符串映射到颜色字符串上
      c = df.species.map(colormap)
      #print(c)
      plt.scatter(x,y,s=s*5, c=c,cmap=plt.cm.coolwarm, alpha=0.7, edgecolors='face')
      plt.xlabel('sepal_length')
      plt.ylabel('sepal_width')
  
 

      plt.scatter(df['burglary'], df['larceny_theft'],
                  s=df['population']*2e-5,
                  c=df['motor_vehicle_theft'], cmap=plt.cm.coolwarm,
                  edgecolors='b',
                  alpha=0.75)
      for idx,statename in df['state'].items():
          plt.text(x=df['burglary'][idx],y=df['larceny_theft'][idx]-df['population'][idx]*2e-5*0.5,s=statename,fontsize=6,ha='center',va='top')
  
 

      df.plot.scatter(x='burglary',y='larceny_theft',c='motor_vehicle_theft',cmap=plt.cm.coolwarm,s=df['population']*2e-5)
      for i in df.index:
         if i in top5_motor_theft_index:  # 偷车贼最多的5个州
              plt.text(df.loc[i,'burglary']+10, df.loc[i,'larceny_theft']-10, df.loc[i,'state'], color='red')  # 一个文本框
  
 

每文一语

循序渐进

文章来源: wxw-123.blog.csdn.net，作者：王小王-123，版权归原作者所有，如需转载，请联系作者。

原文链接：wxw-123.blog.csdn.net/article/details/123763722