Python如何实现散点图

什么是关联图？

关联图是查找两个事物之间关系的图像，他能为我们展示出一个事物随着另一个事物的变化如何变化。

典型的关联图有：折线图、散点图、相关矩阵等

我们什么时候会需要关联图？

1、数据报告 & 学术研究

展示趋势：比如产品销量随着时间如何变化，智力水平随着教育程度如何变化等

展现状态：不同年龄的客户的成交率，不同生产成本对应的生产员工技能要求等

2、数据探索 & 数据解读

探索数据关系，帮助了解试试，推动研究

3、统计学 & 机器学习

探索数据关系，指导数据预处理和模型选择

散点图

导入需要库

import numpy as np
import pandas as pd
import matplotlib as mpl

绘制一个简单的散点图

使用pd.scatter函数绘制散点图

简单的散点图示例：

 

# 定义数据，x1 取随机数
x1 = np.random.randn(10) 
x2 = x1 + x1**2-10
# 定义画布,当只有会这个图的时候，下面这句不是必须存在的
plt.figure(figsize=(8,4))
# 绘制图像
plt.scatter(x1, # 横坐标
            x2, # 纵坐标
            s = 50, # 数据点的尺寸大小
            c = "red", # 数据点的颜色
            label = "red points" # 图例
           )
# 装饰图形
# 显示图例,上面的 plt.scatter 中没有 label 属性的下面这句会出现警告
plt.legend()
# 显示图形
plt.show()

绘制多种图例颜色的散点图（以两种为例）

绘制一下图形需要找到以下三个要素：

1、绘图用的数据，x1，x2

2、标签的列表

3、颜色

图例：

 

# 生成 10 行，2 列的数据表
x = np.random.randn(10,2)
y = np.array([0,0,1,1,0,1,0,1,0,0])
plt.figure(figsize=(8,4))
colors = ["red","black"] # 确立颜色列表
label是 = ["Zero","One"] # 确立标签的类别列表
# 通过循环遍历 x.shape 将多个列形成的图像叠加在一起
for i in range(x.shape[1]):
  plt.scatter(
  x[y==i,0],
  x[y==i,1],
  c=colors[i],
  label=labels[i]
  )
# 在标签中存在几种类别，我们就需要循环几次，一次画一个颜色的点
plt.legend()
plt.show()

绘制复杂的散点图

自己创造数据过于简单，我们可以使用网上大神的简单数据集学习绘制复杂的散点图。

 

midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
# 过滤标签，去除标签重复像
categories = np.unique(midwest['category']) #去掉所有重复的项
plt.figure(figsize=(16,10))

for i in range(len(categories)):
    plt.scatter(midwest.loc[midwest["category"]==categories[i],"area"]
                ,midwest.loc[midwest["category"]==categories[i],"poptotal"]
                ,s=20
                ,c=np.array(plt.cm.tab10(i/len(categories))).reshape(1,-1)
                ,label=categories[i]
               )
plt.legend()
plt.show()