Python中的 matplotlib.pyplot.scatter()

matplotlib是一个用于数据可视化的强大库，能够生成各种类型的2D图表、图形和动画。 pyplot是matplotlib的一个子库，提供了一种简单的、类似于MATLAB的绘制API，可以轻松地创建线图、散点图、柱状图等图形。在pyplot中，我们可以使用scatter()函数绘制散点图。

matplotlib.pyplot.scatter()函数

matplotlib.pyplot.scatter()函数可以用来在2D平面上绘制散点图。它的基本语法如下：

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

其中，参数x和y是必须的，代表散点图的数据点。其它参数都是可选的，常用的参数包括：

• s：数据点的大小，默认值是20。
• c：数据点的颜色，默认值是'b'，即蓝色。
• marker：数据点的标记，默认值是'o'，即圆圈。
• alpha：数据点的透明度，默认值是1.0，取值范围为0.0到1.0。
• linewidths：数据点的边框线宽度，默认值是None，即无边框。
• edgecolors：数据点的边框颜色，默认值是None，即与数据点颜色相同。

示例

下面是一个简单的scatter()函数调用的例子：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x, y)
plt.show()

下面是图表输出的结果：

在这个例子中，我们使用numpy.random.randn()函数生成了一个有100个数据点的正态分布数据，并使用scatter()函数对这些数据点进行了可视化。默认情况下，散点图的数据点使用蓝色填充，并没有边框。

我们也可以使用其它参数来调整散点图的外观。例如，我们可以使用不同的颜色和标记来显示数据点：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)
sizes = np.random.randint(10, 100, 100)
plt.scatter(x, y, c=colors, s=sizes, marker='o')
plt.show()

下面是图表输出的结果：

在这个例子中，我们使用了数据点的颜色和大小来显示它们之间的差异，并选择了不同的标记作为数据点的形状。

总结

matplotlib.pyplot.scatter()函数是一个用于可视化数据点的强大工具，可以轻松地创建漂亮的散点图。掌握这个函数的基本用法后，可以用它来探索和展示各种类型的数据集。