matplotlib 使用总结——散点图

一、散点图引入 
什么是散点图？ 
反映两组变量每个数据点的值，并且从散点图可以看出它们之间的相关性。单看概念可能不太好理解，我们可以从一个例子说起。下面我们通过例子边学边做。 
在做散点图之前，最重要的是我们得有数据啊，数据很重要。这里我们利用关于karate--deepwalk.embeddings的数据，假设存储在目录C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv中，数据全文为

首先要将数据读取进来，大致对数据进行浏览，看以下代码：

[code]import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_csv(r"C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv") ---r为转义字符
print(df.head())

输出为：

     label           x                    y
0     34    -0.604761     -0.710905
1      1    0.311671       -0.886024
2     33   -0.720595     -0.727339
3      3   -0.124094      -0.772308
4      2    0.284264      -0.866799

df.head()默认返回数据集的前五行数据，浏览以下数据集的所有属性，以及取值如何，这里我们先拿“x”和“y”来做实例以理解散点图。当然，你也可以用其他属性。

[code]plt.scatter(df["x"],df["y"])
plt.show()

完善的散点的图是怎样的，它需要哪些参数呢？ 

首先要 生成一个figure对象和一个坐标系（理解为子图也可以）axes对象，并且创建一个图形区域宽和高的比例为8:5（可以自行设置），分辨率为每英寸80像素的图，还有fontsize则是字体的大小（可自行设置）

上例子及代码中可以看到，我们在绘制散点图时候，用到了ax.scatter(df[“mpg”],df[“wt”])函数，关于scatter()函数看下都有哪些参数：ax.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, , data=None, *kwargs) 
其中的x和y在上面我们的例子中应该就已经理解了，而s代表了点的大小，如果s输入的是一个固定值，那么就只是单纯的改变散点的大小(可以自己设置)，这里我们增加一些知识，如果让点的大小也成为一个维度，这样的话就可以表示三个维度数据之间的联系，先看示例：

这个图相比一般散点图多了一个维度的数据，即将第三个维度的数据大小（这里是数据集中的“disp”）以气泡（参数alpha表示透明度，可以自行设置）大小示意。像这样需要第三个维度的应用场景为：在研究2个变量的关系时，需要加入连续型变量作为第三维度。 
而c代表的是点的填充颜色，可以参考文档设置定值来填充不同的颜色。这里我们还利用该数据集的一个“vs”特征来作为第三维度，通过的“vs”的观察可以看出vs只有两个不同的取值0和1。我们就用“vs”的值来作为c的值，以此来查看数据的分步情况：

但是我们发现好像缺了点什么：我们不知道黄色代表什么值，紫色代表什么值，对吧？因此我们需要添加1个图例来表明每个颜色代表的是什么数据，思路是因为vs只有0,1两种值，那么我只需要提取出满足vs==0的数据(mpg和wt)和满足vs==1的数据（mpg和wt），然后在1张图上用2套数据源画2种颜色的散点图即可： 

# -- coding: utf-8
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_csv(r"C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv")  # r为转义字符
# print(df.head())
# plt.scatter(df["x"],df["y"])
# plt.show()

fig,ax = plt.subplots(figsize = (8,5),dpi = 70)  #figsize:宽和高比例，dpi：分辨率
ax.scatter(df["x"],df["y"],alpha=1,c=df["label"])  #制作关于x，y的散点图
ax.set_xlabel("x",fontsize=15)
ax.set_ylabel("y",fontsize=15)
ax.set_title("karate--deepwalk.embeddings",fontsize=20)
# ax.set_xlim(1.5,1.5) #x轴调整取值范围
# ax.set_ylim(-1.5,0)
plt.show()