import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd

iris = pd.read_csv('../Data/iris.csv')

Matplotlib：scatter¶

matplotlib.pyplot.scatter — Matplotlib 3.10.1 documentation

matplotlib.axes.Axes.scatter — Matplotlib 3.10.1 documentation

scatter(x, y, s=None, c=None, *, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, colorizer=None, plotnonfinite=False, data=None, **kwargs)

绘制y 与 x 的散点图，具有变化的散点大小和/或颜色（仅可绘制一组数据，多组数据仅可通过多次调用实现）。x, y, s, c, color, facecolor, facecolors, edgecolors, linewidths参数可由data标签指定。该函数继承自PathCollection类。

fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)

ax.scatter("sepal_length",
           "sepal_width",
           data=iris,

           marker="o",
           s=150,
           c="red",
           # color="red",
           # facecolor="red",    # facecolor/facecolors/fc

           linestyle="-",        # linestyle/dashes/linestyles/ls
           linewidth=2,          # linewidth/linewidths/lw
           edgecolor="g",        # edgecolor/ec/edgecolors
           alpha=0.6
           )
"""
<matplotlib.collections.PathCollection at 0x203c1992060>
"""

ax.set_xlabel("sepal_length")
ax.set_ylabel("sepal_width")

plt.show()

散点大小¶

s**为每个散点设置大小（以\(点^{2}\)为单位，1 点等于 1/72 英寸），可以是单一数值或与x和y相同长度（n）的数值数组。若为一个单一数值，则为每个散点设置相同大小。默认值为 rcParams['lines.markersize'] ** 2 。散点大小与边缘线宽和线色在视觉上交互，如果散点大小＜边缘线宽，则可能产生伪影。如果边缘线宽＞**0 且线色不为'none'，则散点的有效大小将增加边缘线宽的一半，因为边缘线将居中于散点边缘。

将散点的大小与数据中的第三个变量关联的散点图称为**气泡图**。例如：x和y表示变量关系，点的大小表示权重或频率。

fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)

ax.scatter("sepal_length",
           "sepal_width",
           data=iris,

           marker="o",
           s=iris["petal_length"] * 100,
           c="red",
           # color="red",
           # facecolor="red",    # facecolor/facecolors/fc

           linestyle="-",        # linestyle/dashes/linestyles/ls
           linewidth=2,          # linewidth/linewidths/lw
           edgecolor="g",        # edgecolor/ec/edgecolors
           alpha=0.6
           )
"""
<matplotlib.collections.PathCollection at 0x203e35ee7b0>
"""

ax.set_xlabel("sepal_length")
ax.set_ylabel("sepal_width")

plt.show()

散点颜色¶

c：为每个散点设置颜色。默认为 None ，此时散点颜色由 color、facecolor 或 facecolors 决定。如果这些均未指定或均为 None ，则由 Axes当前颜色循环(rcParams["axes.prop_cycle"])的下一个颜色决定。
含 n 个数值的序列，用于通过 cmap 和 norm 映射来为每个散点设置颜色。
单个颜色格式字符串、长度为 n 的颜色序列，或者**n行RGB(A)二维数组**，直接为每个散点设置颜色。注意，不应为单个 RGB(A) 序列，因为这无法与要进行颜色映射的数值序列区分开来。如果想为所有点指定相同的 RGB 或 RGBA 值，应使用单行二维数组。否则，在序列长度与 x 和 y 匹配的情况下，数值映射将具有优先级。如果想为所有点指定单个颜色，优先使用color关键字参数。
cmap：将数据映射到颜色的 Colormap 对象**或**已注册的 Colormap 名称。默认rcParams["image.cmap"]='viridis'。如果 c 是 RGB(A)，则忽略此参数。
norm：用于在将数据通过cmap映射到颜色之前将其缩放到[0, 1]范围的归一化方法。默认为线性缩放。如果 c 是 RGB(A)，则忽略此参数。
Normalize 对象
缩放名称，例如"linear", "log", "symlog", "logit"等。此时，将动态生成并实例化一个合适的 Normalize 对象。
vmin, vmax：当c提供了数据且没有显式指定norm时，vmin 和 vmax 定义了colormap覆盖的数据范围。默认情况下，colormap覆盖提供数据的完整范围。如果norm为Normalize 对象，使用 vmin/vmax 参数是错误的（但norm字符串名称可以与 vmin/vmax 一起使用）。如果 c 是 RGB(A)，则忽略此参数。
colorizer：用于将颜色映射到数据的 Colorizer 对象。如果为 None，则从norm和 cmap 创建 Colorizer 对象。如果 c 是 RGB(A)，则忽略此参数。
color：颜色或 RGBA 元组列表
facecolor/facecolors/fc：颜色或颜色列表
plotnonfinite：是否绘制具有非有限 c（即 inf 、 -inf 或 nan ）的点。如果 True ，则使用Colormap对象的bad颜色绘制这些点。

fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)

cmap = plt.cm.viridis
norm = mpl.colors.Normalize(vmin=iris["sepal_length"].min(), 
                            vmax=iris["sepal_length"].max())

ax.scatter("sepal_length",
           "sepal_width",
           data=iris,

           marker="o",
           s=150,
           c="sepal_length",
           # color="red",
           # facecolor="red",    # facecolor/facecolors/fc
           cmap=cmap,
           norm=norm,

           linestyle="-",        # linestyle/dashes/linestyles/ls
           linewidth=2,          # linewidth/linewidths/lw
           edgecolor="g",        # edgecolor/ec/edgecolors
           alpha=0.6
           )
"""
<matplotlib.collections.PathCollection at 0x203e3519bb0>
"""

fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap), 
             label="sepal_length",
             ax=ax)
ax.set_xlabel("sepal_length")
ax.set_ylabel("sepal_width")

plt.show()

边缘线¶

移除散点边缘线可以设置linewidth=0或edgecolor='none'

linestyle/dashes/linestyles/ls：为每个散点设置边缘线型。可以是单一字符串、元组或相应列表
linewidth/linewidths/lw：为每个散点设置边缘线宽。可以是单一数值或与x和y相同长度（n）的数值数组。
edgecolor/ec/edgecolors：为每个散点设置边缘线色。对于非填充标记，忽略该参数，其颜色确定方式与 'face' 相同，即从 c、colors 或 facecolors 中获取。
'face'：与填充色一致
'none'：无边缘线
单一颜色或颜色序列

Seaborn：scatterplot¶

seaborn.scatterplot — seaborn 0.13.2 documentation

Visualizing statistical relationships — seaborn 0.13.2 documentation

sns.scatterplot(data=None, *, x=None, y=None, hue=None, size=None, style=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, legend='auto', ax=None, **kwargs)

**kwargs指定的其它关键字参数传递给matplotlib.axes.Axes.scatter()

fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)

sns.scatterplot(data=iris,
                x='sepal_length',
                y='sepal_width',

                hue='species',
                palette={"setosa": "r", "versicolor": "g", "virginica": "b"},
                hue_order=["versicolor", "setosa", "virginica"],

                size="species",
                sizes={"setosa": 50, "versicolor": 100, "virginica": 200},
                # size_order=["versicolor", "setosa", "virginica"],

                style="species",
                markers={"setosa": "*", "versicolor": "<", "virginica": "^"},
                # style_order=["versicolor", "setosa", "virginica"],

                ax=ax
                )
"""
<Axes: xlabel='sepal_length', ylabel='sepal_width'>
"""

plt.show()

fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)

cmap=plt.cm.viridis
norm=mpl.colors.Normalize(vmin=iris["sepal_length"].min(), 
                          vmax=iris["sepal_length"].max())

sns.scatterplot(data=iris,
                x='sepal_length',
                y='sepal_width',

                hue='sepal_length',
                palette=cmap,
                hue_norm=norm,

                size="species",
                sizes={"setosa": 50, "versicolor": 100, "virginica": 200},
                # size_order=["versicolor", "setosa", "virginica"],

                style=None,
                markers="o",

                ax=ax
                )
"""
<Axes: xlabel='sepal_length', ylabel='sepal_width'>
"""

fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmap), 
             label="sepal_length",
             ax=ax)

plt.show()

Matplotlib：scatter¶

散点大小¶

散点颜色¶

边缘线¶

Seaborn：scatterplot¶

Comments