散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。
用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。
散点图通常用于显示和比较数值，例如科学数据、统计数据和工程数据。
初认识：使用numpy包的random函数随机生成100组数据，然后通过scatter函数绘制散点图。
#!/usr/bin/env python #！-*-coding:utf-8 -*- #!@Author : Biyoulin #!@Time : 2018/9/2 14:40 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 N = 100 x = np.random.randn(N) y = np.random.randn(N) plt.scatter(x,y) plt.title("散点图示例01") #显示图表名称 plt.xlabel("x轴") #x轴名称 plt.ylabel("y轴") #y轴名称 plt.text(+1.2,-3,"By:biyoulin",fontsize=16,color="purple") plt.show()
scatter函数格式：
scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs):
scatter函数参数详解，英文原版请参见：matplotlib官网scatter函数：
x,y：形如shape(n,)的数组，可选值， s： 点的大小（也就是面积）默认20 c： 点的颜色或颜色序列，默认蓝色。其它如c = 'r' (red); c = 'g' (green); c = 'k' (black) ; c = 'y'(yellow) marker：标记样式，可选值，默认是圆点；
cmap: colormap，用于表示从第一个点开始到最后一个点之间颜色渐进变化；
norm: normalize,
vmin:
vmax:
alpha: 设置标记的颜色透明度，可以理解为颜色属性之一
linewidths: 设置标记边框的宽度值
verts:
edgecolors: 设置标记边框的颜色
hold:
data:
**kwargs:
scatter()函数各参数示例：
1、x,y：横纵坐标，数据坐标（data position）
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5) plt.show()
2、marker : 图标，默认的是“.”,也可以是其它形状，想了解更多的，请参见：matplotlib 学习笔记02：marker标记详解。下面例子将marker设置成了“d”（diamond形状）：
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,marker='d') plt.show()
也可以是文字：
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,marker='$biyoulin$') plt.show()
上面的文字是不是看不到？因为字体太小了，通过参数s（size）可以调整“点”的大小。
3、s ： size，字体大小，默认值为20；
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,s=10000,marker='$biyoulin$') plt.show()
到目前为止几个例子中的“点”都是蓝色的，可以通过调整c（color）参数来设置颜色：
4、c ： color，色彩会颜色序列，默认是'b'（蓝色），可支持的颜色参数如下：
| b | c | g | k | m | r | w | y |
| blue | cyan | green | black | magenta | red | white | yellow |
| 蓝色 | 青色 | 绿色 | 黑色 | 洋红 | 红色 | 白色 | 黄色 |
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,s=10000,c='r',marker='$biyoulin$') plt.show()
5、alpha：可以理解为颜色的属性之一 ，即透明度，alpha的范围为[0,1]，从透明到不透明，上面的例子中 alpha为1，可以看看0.5的效果：
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,s=10000,c='r',alpha=0.5,marker='$biyoulin$') plt.show()
6、edgecolors：the edge color of marker，顾名思义“边”的颜色，设置标记边框的颜色，下面的例子中，将边的颜色设置了为蓝色：
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,s=10000,c='r',alpha=1,marker='d',edgecolors='b') plt.show()
可能有人会问，看不出来“边”的颜色是蓝色。没关系，通过设置linewidths，就容易看出来了。
7、linewidths：the edge size of the marker，设置标记边框的宽度；
import matplotlib.pyplot as plt plt.scatter(x=0.5,y=0.5,s=10000,c='r',alpha=1,marker='d',linewidths=10 ,edgecolors='b') plt.show()
8、cmap：A colormap is a series of colors in a gradient that moves from a starting to ending color。注意到是“a series of”，这个参数用于多个点之间，只有一个点就无意义了。注意到“gradient”即量级、程度，用于表示从第一个点开始到最后一个点之间颜色渐进变化。
import matplotlib.pyplot as plt x1=list(range(0,60)) y1=list(range(0,60)) plt.scatter(x=x1,y=y1,marker='d',s=10,c=y1,cmap=plt.cm.Reds) plt.show()
注意到c=y1，不再是颜色的名称，这里是一个序列，并且值等于“点”数量值（如果不匹配，则会出错）。只有c是一个array或一个sequence，用cmap才有意义。
参考博文：https://www.cnblogs.com/sunshinewang/p/6853813.html
https://blog.csdn.net/zidephagino/article/details/80777906
作者：biyoulin
出处：http://www.cnblogs.com/biyoulin/
版权声明：本文版权归作者所有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
