9 散点图的基本用法

在上一篇文章中，我们探讨了如何使用 Matplotlib 绘制线图，并学习了如何自定义线条样式。今天，我们将深入了解散点图的基本用法。这是数据可视化中常用的一种图表类型，能够有效地展示两个变量之间的关系。

什么是散点图？

散点图（Scatter Plot）是一种显示两个变量之间关系的图表。在散点图中，每个点代表两个变量的取值，横坐标通常表示一个变量，纵坐标表示另一个变量。通过观察散点图，可以直观地发现数据的分布、趋势和可能的相关性。

创建基本的散点图

现在，让我们通过一个简单的例子来学习如何使用 Matplotlib 绘制散点图。首先，我们需要安装 Matplotlib 库，如果你还没有安装，可以通过以下命令进行安装：

pip install matplotlib

下面是一个简单的代码示例，演示如何绘制一个散点图：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
x = np.random.randn(100)   # 生成100个随机数作为X轴数据
y = np.random.randn(100)   # 生成100个随机数作为Y轴数据

# 绘制散点图
plt.figure(figsize=(10, 6))
plt.scatter(x, y, alpha=0.5)  # alpha设置点的透明度
plt.title('基本散点图示例')
plt.xlabel('x值')
plt.ylabel('y值')
plt.grid(True)
plt.show()

在这个例子中，我们使用 numpy 生成了 100 个随机的 x 和 y 值。plt.scatter() 函数用于绘制散点图，alpha 参数用于设置点的透明度，使得重叠的点能够更容易被观察到。

代码详解

1. import matplotlib.pyplot as plt：导入 Matplotlib 的 pyplot 模块，用于绘图。
2. import numpy as np：导入 NumPy 库，用于生成随机数据。
3. np.random.seed(0)：设置随机种子，以便每次运行代码时生成相同的随机数。
4. plt.figure(figsize=(10, 6))：创建一个新的图形，设置图形大小为 10x6 英寸。
5. plt.scatter(x, y, alpha=0.5)：绘制散点图，alpha 参数控制透明度。
6. plt.title()、plt.xlabel()、plt.ylabel()：设置图表标题与坐标轴标签。
7. plt.grid(True)：显示网格。
8. plt.show()：显示图形。

总结

今天，我们学习了如何使用 Matplotlib 绘制一个基本的散点图。这个工具对于探索数据关系非常有用。接下来，您将在下一篇文章中学习如何自定义散点图的点的样式，例如点的颜色和形状。

通过这些教程，您将能够掌握 Matplotlib 中不同的绘图类型，进而提升您的数据可视化技能。这为您后续的分析和报告打下了良好的基础。希望您对散点图的基本用法有了更清晰的认识！