Python Matplotlib scatter函数：绘制散点图

散点图和折线图需要的数组非常相似，区别是折线图会将各数据点连接起来；而散点图则只是描绘各数据点，并不会将这些数据点连接起来。

调用 Matplotlib 的 scatter() 函数来绘制散点图，该函数支持如下常用参数：

• x：指定 X 轴数据。
• y：指定 Y 轴数据。
• s：指定散点的大小。
• c：指定散点的颜色。
• alpha：指定散点的透明度。
• linewidths：指定散点边框线的宽度。
• edgecolors：指定散点边框的颜色。
• marker：指定散点的图形样式。应参数支持'.'（点标记）、','（像素标记）、'o'（圆形标记）、'v'（向下三角形标记）、'^'（向上三角形标记）、'<'（向左三角形标记）、'>'（向右三角形标记）、'1'（向下三叉标记）、'2'（向上三叉标记）、'3'（向左三叉标记）、'4'（向右三叉标记）、's'（正方形标记）、'p'（五地形标记）、'*'（星形标记）、'h'（八边形标记）、'H'（另一种八边形标记）、'+'（加号标记）、'x'（x标记）、'D'（菱形标记）、'd'（尖菱形标记）、'|'（竖线标记）、'_'（横线标记）等值。
• cmap：指定散点的颜色映射，会使用不同的颜色来区分散点的值。

下面程序示范了如何使用 scatter() 函数来绘制散点图：

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)  # ①
# 将整个figure分成两行两列，第三个参数表示该图形放在第1个网格
# 沿着正弦曲线绘制散点图
plt.scatter(x_data, np.sin(x_data), c='purple', # 设置点的颜色
    s=50, # 设置点半径
    alpha = 0.5, # 设置透明度
    marker='p', # 设置使用五边形标记
    linewidths=1, # 设置边框的线宽
    edgecolors=['green', 'yellow']) # 设置边框的颜色
# 绘制第二个散点图（只包含一个起点），突出起点
plt.scatter(x_data[0], np.sin(x_data)[0], c='red', # 设置点的颜色
    s=150, # 设置点半径
    alpha = 1) # 设置透明度
# 绘制第三个散点图（只包含一个结束点），突出结束点
plt.scatter(x_data[63], np.sin(x_data)[63], c='black', # 设置点的颜色
    s=150, # 设置点半径
    alpha = 1) # 设置透明度
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('正弦曲线的散点图')
plt.show()

上面程序使用 numpy 中的 linespace() 函数创建了一个列表作为 X 轴数据，程序使用 np.sin() 函数计算一系列 sin 值作为 Y 轴数据。程序中第 9 行代码负责生成一个散点图，该散点图包含 64 个数据点。

此外，程序在第 9 行代码之后还调用了两次 scatter() 函数，这意味将会叠加两个散点图。后面两次绘制散点图的代码分别用于绘制 x_data、sin(x+data) 的第一个点和最后一个点，这样即可突出显示散点图的起点和结束点。

运行上面程序，可以看到如图 1 所示的效果。