### 如何用 Python 实现折线图和散点图的叠加 `matplotlib` 是一个强大的可视化工具，可以用来绘制各种类型的图表。通过 `matplotlib` 的功能，可以在同一张图上同时显示折线图和散点图[^1]。 以下是实现这一目标的具体方法以及代码示例： #### 使用 Matplotlib 进行折线图与散点图的叠加 可以通过调用两次绘图函数来分别绘制折线图和散点图，并将它们叠加在同一坐标轴上。具体来说，先使用 `plt.plot()` 方法绘制折线图，再使用 `plt.scatter()` 方法绘制散点图。 ```python import matplotlib.pyplot as plt import numpy as np # 创建数据集 x = np.linspace(0, 10, 100) y_line = np.sin(x) # 折线图的数据 y_scatter = np.cos(x) + np.random.normal(scale=0.1, size=len(x)) # 散点图的数据 # 绘制折线图 plt.plot(x, y_line, label='Sine Wave', color='blue') # 绘制散点图 plt.scatter(x, y_scatter, label='Cosine Scatter', color='red', alpha=0.6) # 添加标签和其他细节 plt.title('Line and Scatter Plot Overlay') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') plt.legend() # 显示图像 plt.show() ``` 上述代码中，`np.sin(x)` 被用于生成折线图所需的数据，而带有一些随机噪声的 `np.cos(x)` 则被用于生成散点图的数据。这样可以让两种图形更加明显地区分开来。 #### 使用 Seaborn 结合 Matplotlib Seaborn 基于 Matplotlib 构建，提供了更高级别的接口来进行统计数据分析和可视化的展示。下面是一个利用 Seaborn 来完成相同任务的例子[^2]。 ```python import seaborn as sns import matplotlib.pyplot as plt import numpy as np sns.set() # 设置默认样式 # 数据准备同前一部分 x = np.linspace(0, 10, 100) y_line = np.sin(x) y_scatter = np.cos(x) + np.random.normal(scale=0.1, size=len(x)) # 使用Matplotlib绘制折线图 plt.plot(x, y_line, label="Sin Curve", color="green") # 使用Seaborn绘制散点图 sns.scatterplot(x=x, y=y_scatter, label="Cos Points with Noise", color="purple", alpha=0.7) # 图形设置 plt.title("Combining Line Plots and Scatterplots using Seaborn & Matplotlib") plt.xlabel("Time or X-Axis Variable") plt.ylabel("Value of Function Y") plt.legend() # 展示最终结果 plt.show() ``` 在这个例子中，`seaborn.scatterplot()` 提供了一种更为简洁的方式来处理散点图的颜色、透明度以及其他属性设定。 ### 总结 无论是仅依靠 `matplotlib` 或者结合 `seaborn` 库，都可以轻松地实现在同一个图表上叠加折线图和散点图的效果。这不仅有助于更好地理解数据之间的关系，还能提升视觉效果的质量。 ---