( 图表 ) 散布图

这篇教学会使用 matplotlib pyplot 模组里的 scatter() 方法，将数据绘制成二维散布图 ( Scatter Chart )，并进一步介绍 scatter() 的相关用法。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

import matplotlib

要进行本篇的范例，必须先加载 matplotlib 函数库的 pyplot 模组，范例将其独立命名为 plt。

import matplotlib.pyplot as plt

pyplot.scatter() 参数说明

pyplot.scatter() 常用的参数如下表所示 ( 完整参数参考：matplotlib.pyplot.scatter )：

绘制第一张散布图

下方的程序码，执行后会画出有十个数据点的图表。

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8,9,10]
y = [11,8,26,16,9,17,23,4,14,10]

plt.scatter(x,y)
plt.show()

额外设定 s、c 和 cmap，就能根据数据点的数据，对应出指定的颜色，假设数据的范围是 0～100，颜色地图是红橙黄绿蓝，则 0～20 对应红色，21～40 对应橙色，41～60 对应黄色，61～80 对应绿色，81～100 对应蓝色。

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8,9,10]
y = [11,8,26,16,9,17,23,4,14,10]
size = [i*100 for i in y]         # 放大資料點數據 100 倍，比較容易觀察尺寸
plt.scatter(x,y,s=size,c=size,cmap='Set1')  # 使用 Set1 的 colormap
plt.show()

如果加上 vmin 和 vmax 的设定，能设定颜色的最大值与最小值，下方的例子，当数值小于 1000 时，只会显示红色，当数值大于 2000 时，只会显示灰色。

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8,9,10]
y = [11,8,26,16,9,17,23,4,14,10]
size = [i*100 for i in y]
plt.scatter(x,y,s=size,c=size,cmap='Set1',vmin=1000,vmax=2000)
plt.show()

多组数据的散布图

如果有多组数据需要同时呈现，可以独立绘制每组散布图，完成后再使用 show() 的方式显示散布图。

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8,9,10]
y1 = [11,8,26,16,9,17,23,4,14,10]   # 第一組的 Y 軸數據
s1 = [i*100 for i in y1]            # 將第一組的 Y 軸數據放大 100 倍作為園點尺寸
y2 = [19,29,15,12,21,6,7,8,18,2]    # 第二組的 Y 軸數據
s2 = [i*100 for i in y2]            # 將第二組的 Y 軸數據放大 100 倍作為園點尺寸
plt.scatter(x,y1,s=s1,c='b',alpha=0.5)   # 設定透明度為 0.5
plt.scatter(x,y2,s=s2,c='r',alpha=0.5)   # 設定透明度為 0.5
plt.show()

搭配 NumPy 绘制散布图

由于 matplotlib 能完美的和 NumPy 整合，所以能透过 NumPy 强大的处理或产生数据能力，快速产生许多绘图用的数据，下方的例子，使用 NumPy 产生每组 10 个共三组 100～2000 随机数字 y 和 size，使用 matplotlib 绘制出散布图 ( 如果不指定颜色，每组数据会自动套用不同的颜色 )。

参考：random.randint()

import matplotlib.pyplot as plt
from numpy import random

x = range(0,10)
y = random.randint(100,2000,size=(3,10))    # 產生 3x10 陣列，內容為 100～2000 隨機數字
size = random.randint(100,2000,size=(3,10)) # 產生 3x10 陣列，內容為 100～2000 隨機數字
for i in range(0,3):
  plt.scatter(x,y[i],s=size[i],alpha=0.5)
plt.show()

下方的例子，使用 NumPy 随机数的“常态分布”产生 500 个数据点，再透过 matplotlib 画出散布图。

参考：NumPy 随机数分布生成算法

from numpy import random
import matplotlib.pyplot as plt

x = random.normal(5,50,500)
y = random.normal(5,50,500)
plt.scatter(x,y,alpha=0.5,s=100)
plt.show()

意见反馈