Python数据可视化之散点图(基础篇---图文并茂详细版！！！)

Python数据可视化之散点图

介绍
准备工作
- 所需的库
- 虚拟环境
简单散点图
- 总结
两种不同颜色和图例的散点图
- 总结

介绍

•数据可视化的应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。下面我们基于Python，介绍一下第一个常用知识点—散点图

准备工作

所需的库

•为了使数据可视化我们需要安装下述的库，再进行可视化操作！！
•numpy：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

pip install numpy -i https://pypi.douban.com/simple

•pandas:Pandas 是 Python 语言的一个扩展程序库，用于数据分析，还是一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算），还可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据

pip install pandas -i https://pypi.douban.com/simple

•matplotlib：是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式

pip install matplotlib -i https://pypi.douban.com/simple

虚拟环境

•建议在开始操作python可视化之前，创建一个新的虚拟环境，方便管理与操作！！！
       •虚拟环境的作用：我们可以通过创建多个虚拟环境实现环境拆分，每个虚拟环境安装不同版本的库，从而满足不同的需求，各个虚拟环境之间相互独立、不对其它环境产生影响！！！
       •虚拟环境参考博文：python虚拟环境的安装与配置(究极详细易理解版！！！)
       •上述博文博主亲测有效！！！

简单散点图

•代码需求：绘制一个一元函数的散点图
•使用matplotlib中的scatter()函数进行绘图！！
代码测试：

# 导入我们所需的库 as：即给库取别名，方便书写
import matplotlib.pyplot as plt
import numpy as np# 定义数据
x = np.random.rand(10)  # 取出10个随机数
y = x + x ** 2 - 10  # 用自定义关系确定y的值# 绘图
# 1. 确定画布
plt.figure(figsize=(8, 4))  # figsize:确定画布大小 # 2. 绘图
plt.scatter(x,  # 横坐标y,  # 纵坐标c='red',  # 点的颜色label='function')  # 标签 即为点代表的意思
# 3.展示图形
plt.legend()  # 显示图例plt.show()  # 显示所绘图形

图形展示：

•如果需要将图片保存到本地需将上述代码中的的plt.show() # 显示所绘图形更换成如下代码：

plt.savefig('需要保存图片的路径地址/图片名.jpg')  # 图片名可自定义(必须写图片名称.jpg)

总结

•plt.show()不能和plt.savefig()同时使用，即为展示图片和保存图片不能同时使用！！
       •横坐标与纵坐标可以随意取值，但必须要有！！
       •当scatter()函数中有label属性时，必须要有显示图例语句！！即：plt.legend()
       •scatter()函数中还有s属性，为数据点尺寸大小！！

s=50 #数据点尺寸大小

•横坐标x与纵坐标y的值是一一对应的，一个x对应生成一个y！！

两种不同颜色和图例的散点图

•代码需求：将十个不同的点分成（0,1）两类，每一类都展示不同的颜色！！！
代码测试：

# 导入我们所需的库 as：即给库取别名，方便书写
import matplotlib.pyplot as plt
import numpy as np# 生成数据
x = np.random.rand(10, 2)  # 生成10行 2列的数据集
y = np.array([0, 0, 1, 0, 1, 1, 0, 1, 0, 1])  # 二分类，将生成的数据点(x，y)分成0,1两类# 绘图
# 1.确定画布
plt.figure(figsize=(8, 4))colors = ['red', 'green']  # 建立颜色列表
labels = ['Zero', 'One']  # 建立标签类别列表# 2.绘图
for i in range(x.shape[1]):  # shape[] 类别的种类数量(2)plt.scatter(x[y == i, 0],  # 横坐标x[y == i, 1],  # 纵坐标c=colors[i],  # 颜色label=labels[i])  # 标签# 3.展示图形
plt.legend()  # 显示图例plt.show()  # 显示图片

图片展示：

总结

•当使用多种不同颜色来绘图时，需要使用循环在同一画布进行绘制，循环次数为分类的种类数量，即为：x.shape[1] x 分类种类数量 (2) ！！
       •循环一次画一个颜色类别的点！！
       •需要分别建立颜色列表，标签类别列表，循环时进行使用！！
       •横，纵坐标使用切片的方式获得！！