### Python 数据可视化中的数据点标记 在 Python 的数据可视化工具中，`Matplotlib` 和 `Seaborn` 是最常用的两个库。它们提供了丰富的功能来定制图表的样式，其中包括对数据点标记的支持。 #### Matplotlib 中的数据点标记 在 `Matplotlib` 中，可以通过参数 `marker` 来设置数据点的形状[^2]。以下是常见的数据点标记符号及其含义： | 符号 | 描述 | |------|------------------| | '.' | 圆点 (point) | | ',' | 像素点 (pixel) | | 'o' | 圆圈 (circle) | | 'v' | 向下的三角形 | | '^' | 向上的三角形 | | '<' | 向左的三角形 | | '>' | 向右的三角形 | | 's' | 正方形 | | '*' | 星型 | 下面是一个简单的代码示例，展示了如何使用这些标记符号： ```python import matplotlib.pyplot as plt # 示例数据 x = [1, 2, 3, 4] y = [10, 20, 25, 30] # 使用不同类型的 marker plt.plot(x, y, marker='o', linestyle='', color='blue') plt.title('Data Points with Circle Marker') plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.grid(True) plt.show() ``` #### Seaborn 中的数据点标记 在 `Seaborn` 中，也可以通过参数 `markers=True` 或指定具体的标记类型来自定义散点图中的数据点[^1]。例如，在绘制散点图时，可以直接传递一个字典给 `markers` 参数，从而为不同的类别分配特定的标记。 以下是一段基于 `Seaborn` 的代码示例： ```python import seaborn as sns import matplotlib.pyplot as plt data = sns.load_dataset('iris') sns.scatterplot( x='sepal_length', y='sepal_width', hue='species', style='species', # 不同种类采用不同风格 markers={'setosa': 'o', 'versicolor': 's', 'virginica': 'D'}, data=data ) plt.title('Custom Markers in Scatter Plot') plt.show() ``` 这段代码不仅设置了颜色 (`hue`)，还利用了 `style` 参数以及自定义的 `markers` 字典，实现了更加灵活的视觉效果。 --- ### 总结 无论是 `Matplotlib` 还是 `Seaborn`，都支持多种方式来调整数据点的外观。对于简单的需求，可以选择内置的标记；而对于复杂场景，则可通过组合多个属性实现高度个性化的呈现[^3]。 ---