前言

散點圖是Matplotlib常用圖形之一，與線形圖類似。但是這種圖形不再由線段連接，而是由獨立的點、圓圈或其他形狀構成。那么怎么畫散點圖呢？Matplotlib給出了兩種不同的方法，去畫散點圖。如何在不同的情況下，合理的使用這兩種方法？

用plt.plot畫散點圖

import numpy as npimport matplotlib.pyplot as pltx= np.linspace(0, 10, 30)y= np.sin(x)plt.plot(x, y, 'o', color='black');

plt.plot()函數的第三個參數是一個字符，表示圖形符號的類型。與你之前用 '-' 和 '--' 設置線條屬性類似，對應的圖形標記也有縮寫形式。

1.部分圖形標記展示

rng= np.random.RandomState(0)formarkerin['o', '.', ',', 'x', '+', 'v', '^', '', 's', 'd']: plt.plot(rng.rand(5), rng.rand(5), marker, label="marker='{0}'".format(marker))plt.legend(numpoints=1)plt.xlim(0, 1.8);

2.連接每一個點

plt.plot(x, y, '-ok')# 直線(-)、圓圈(o)、黑色(k)

用圖形標記的縮寫形式，跟線段組合成一給新的字符，傳給plt.plot()函數

3.自定義線條和散點屬性

plt.plot(x, y, '-p', color='gray', markersize=15, linewidth=4, markerfacecolor='white', markeredgecolor='gray', markeredgewidth=2)plt.ylim(-1.2, 1.2)

plt.plot函數非常靈活，可以滿足各種不同的可視化配置需求。

用plt.scatter畫散點圖

這是另一個創建散點圖的函數是plt.scatter。它的功能非常強大，其用法與plt.plot函數類似。

plt.scatter(x, y, marker='o')

plot與scatter的區別

plt.scatter與plt.plot的主要差別在于，前者在創建散點圖時具有更高的靈活性，可以 單獨控制每個散點與數據匹配，也可以讓每個散點具有不同的屬性(大小、表面顏色、邊 框顏色等)。

1.隨機散點圖

創建一個隨機散點圖，里面有各種顏色和大小的散點。為了能更好地顯示重疊部分，用alpha參數來調整透明度。

rng= np.random.RandomState(0)x= rng.randn(100)y= rng.randn(100)colors= rng.rand(100)sizes= 1000*rng.rand(100)plt.scatter(x, y, c=colors, s=sizes, alpha=0.3, cmap='viridis')plt.colorbar(); # 顯示顏色條

注意點，顏色自動映射成顏色條(color scale，通過colorbar()顯示)，散點的大小以像素為單位。這樣，散點的顏色與大小就可以在可視化圖中顯示多維數據的信息了。

plot與scatter:效率對比

plt.plot 與 plt.scatter 除了特征上的差異之外，還有什么影響我們選擇的因素呢?在數 據量較小的時候，兩者在效率上的差異不大。但是當數據變大到幾千個散點時，plt.plot 的效率將大大高于 plt.scatter。這是由于 plt.scatter 會對每個散點進行單獨的大小與顏 色的渲染，因此渲染器會消耗更多的資源。而在 plt.plot 中，散點基本都彼此復制，因此整個數據集中所有點的顏色、尺寸只需要配置一次。由于這兩種方法在處理大型數據集時有很大的性能差異，因此面對大型數據集時，plt.plot 方法比 plt.scatter 方法好。

總結

以上是生活随笔為你收集整理的c++ 显示三维散点图_Python数据可视化，Matplotlib绘制“散点图”的两种方法！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。