Python怎么繪制Matplotlib散點圖

Python怎么繪制Matplotlib散點圖

Matplotlib 是 Python 中最常用的數據可視化庫之一，它提供了豐富的繪圖功能，能夠幫助用戶輕松創建各種類型的圖表。散點圖（Scatter Plot）是數據可視化中常用的一種圖表類型，用于展示兩個變量之間的關系。本文將詳細介紹如何使用 Matplotlib 繪制散點圖，并探討一些常見的定制化選項。

1. 安裝 Matplotlib

在開始之前，確保你已經安裝了 Matplotlib。如果尚未安裝，可以使用以下命令進行安裝：

pip install matplotlib

2. 基本散點圖繪制

首先，我們從一個簡單的散點圖開始。假設我們有兩組數據，分別表示 X 軸和 Y 軸的值。我們可以使用 plt.scatter() 函數來繪制散點圖。

import matplotlib.pyplot as plt

# 示例數據
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 繪制散點圖
plt.scatter(x, y)

# 顯示圖表
plt.show()

運行上述代碼后，你將看到一個簡單的散點圖，其中 X 軸表示 x 列表中的值，Y 軸表示 y 列表中的值。

3. 定制散點圖

3.1 修改點的顏色和大小

你可以通過 c 參數來設置點的顏色，通過 s 參數來設置點的大小。

plt.scatter(x, y, c='red', s=100)
plt.show()

c 參數可以接受顏色名稱（如 'red'、'blue'）或顏色代碼（如 '#1f77b4'）。s 參數可以是一個標量，表示所有點的大小，也可以是一個列表，表示每個點的大小。

3.2 使用顏色映射

如果你希望根據某個變量的值來設置點的顏色，可以使用 c 參數結合顏色映射（colormap）。

import numpy as np

# 生成顏色數據
colors = np.array([1, 2, 3, 4, 5])

plt.scatter(x, y, c=colors, cmap='viridis')
plt.colorbar()  # 添加顏色條
plt.show()

cmap 參數指定了顏色映射的類型，plt.colorbar() 函數用于添加顏色條，以便查看顏色與數值的對應關系。

3.3 修改點的形狀

默認情況下，散點圖中的點是圓形。你可以通過 marker 參數來修改點的形狀。

plt.scatter(x, y, marker='^')  # 使用三角形
plt.show()

marker 參數可以接受多種形狀，如 'o'（圓形）、's'（方形）、'D'（菱形）等。

3.4 添加標簽和標題

為了讓圖表更具可讀性，你可以添加 X 軸和 Y 軸的標簽，以及圖表的標題。

plt.scatter(x, y)
plt.xlabel('X 軸')
plt.ylabel('Y 軸')
plt.title('散點圖示例')
plt.show()

3.5 添加網格線

你可以通過 plt.grid() 函數來添加網格線，以便更好地觀察數據點的分布。

plt.scatter(x, y)
plt.grid(True)
plt.show()

4. 繪制多個散點圖

在同一張圖表中繪制多個散點圖時，可以通過多次調用 plt.scatter() 函數來實現。

x1 = [1, 2, 3, 4, 5]
y1 = [2, 3, 5, 7, 11]
x2 = [1, 2, 3, 4, 5]
y2 = [1, 4, 6, 8, 10]

plt.scatter(x1, y1, c='red', label='數據集1')
plt.scatter(x2, y2, c='blue', label='數據集2')
plt.legend()  # 添加圖例
plt.show()

label 參數用于為每個數據集添加標簽，plt.legend() 函數用于顯示圖例。

5. 保存散點圖

你可以使用 plt.savefig() 函數將散點圖保存為圖像文件。

plt.scatter(x, y)
plt.savefig('scatter_plot.png')

plt.savefig() 函數支持多種文件格式，如 PNG、JPEG、PDF 等。

6. 總結

本文介紹了如何使用 Matplotlib 繪制散點圖，并探討了一些常見的定制化選項，如修改點的顏色、大小、形狀，添加標簽、標題、網格線，以及繪制多個散點圖和保存圖表。通過這些技巧，你可以創建出更加豐富和專業的散點圖，以更好地展示和分析數據。

Matplotlib 的功能非常強大，除了散點圖之外，它還支持折線圖、柱狀圖、餅圖等多種圖表類型。如果你對數據可視化感興趣，建議深入學習 Matplotlib 的其他功能，以便在數據分析中發揮更大的作用。