根据你的需求，我将为你详细介绍如何使用Python读取Excel文件并绘制散点图，同时结合你提供的文档数据给出具体示例。 ## 一、环境准备和基本设置 ```python import pandas as pd import matplotlib.pyplot as plt import numpy as np # 设置中文字体（可选） plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 ``` ## 二、读取Excel数据的几种方法 ### 方法1：读取Excel文件 ```python # 如果你的数据在Excel文件中 df = pd.read_excel('your_file.xlsx') # 读取整个Excel文件 ``` ### 方法2：使用你提供的表格数据 由于你提供了表格数据，我们可以直接创建DataFrame： ```python # 从你提供的表格数据创建DataFrame data = { 'T': [6.3492, 8.7302, 33.3333, 16.6667, 36.5079, 9.5238, 50.7937, 9.5238, 38.0952, 46.8254], 'M': [36.3192, 25.3469, 18.8811, 20.2645, 12.366, 24.7456, 19.6182, 44.0789, 39.9964, 20.9337], 'Y': [30.27689838380056, 30.9631795654251, 34.81424775216904, 34.87126933453924, 32.91692428669257, 31.03408375634255, 35.28777406476321, 23.59290475647875, 31.58746814256359, 35.72524794975634], 'X1': [50.0, 72.7273, 45.4545, 40.9091, 22.7273, 22.7273, 18.1818, 54.5455, 40.9091, 9.0909], 'X2': [45.1613, 70.9677, 45.1613, 54.8387, 77.4194, 58.0645, 35.4839, 35.4839, 54.8387, 64.5161], 'X3': [29.707, 33.121, 18.4713, 23.1083, 26.3694, 27.4013, 15.2866, 30.4459, 36.3057, 27.3885] } df = pd.DataFrame(data) print("数据预览：") print(df.head()) print(f"\n数据形状：{df.shape}") print(f"列名：{df.columns.tolist()}") ``` ## 三、绘制散点图的多种方法 ### 1. 基础散点图（T vs M） ```python # 绘制T和M的散点图 plt.figure(figsize=(10, 6)) plt.scatter(df['T'], df['M'], s=50, alpha=0.7, edgecolors='black', linewidth=0.5) # 添加标题和标签 plt.title('T vs M 散点图', fontsize=16) plt.xlabel('T值', fontsize=12) plt.ylabel('M值', fontsize=12) plt.grid(True, alpha=0.3) # 显示图表 plt.tight_layout() plt.show() ``` ### 2. 多变量散点图 ```python # 创建子图，展示多个变量关系 fig, axes = plt.subplots(2, 2, figsize=(12, 10)) # T vs M axes[0, 0].scatter(df['T'], df['M'], c='blue', s=40, alpha=0.6) axes[0, 0].set_title('T vs M') axes[0, 0].set_xlabel('T') axes[0, 0].set_ylabel('M') axes[0, 0].grid(True, alpha=0.3) # T vs Y axes[0, 1].scatter(df['T'], df['Y'], c='red', s=40, alpha=0.6) axes[0, 1].set_title('T vs Y') axes[0, 1].set_xlabel('T') axes[0, 1].set_ylabel('Y') axes[0, 1].grid(True, alpha=0.3) # X1 vs X2 axes[1, 0].scatter(df['X1'], df['X2'], c='green', s=40, alpha=0.6) axes[1, 0].set_title('X1 vs X2') axes[1, 0].set_xlabel('X1') axes[1, 0].set_ylabel('X2') axes[1, 0].grid(True, alpha=0.3) # X2 vs X3 axes[1, 1].scatter(df['X2'], df['X3'], c='purple', s=40, alpha=0.6) axes[1, 1].set_title('X2 vs X3') axes[1, 1].set_xlabel('X2') axes[1, 1].set_ylabel('X3') axes[1, 1].grid(True, alpha=0.3) plt.tight_layout() plt.show() ``` ### 3. 使用颜色映射的散点图 ```python plt.figure(figsize=(10, 6)) # 使用Y值作为颜色映射 scatter = plt.scatter(df['T'], df['M'], c=df['Y'], # 使用Y值作为颜色 cmap='viridis', # 颜色映射 s=60, alpha=0.7, edgecolors='black', linewidth=0.5) # 添加颜色条 cbar = plt.colorbar(scatter) cbar.set_label('Y值', fontsize=12) plt.title('T vs M（颜色表示Y值）', fontsize=16) plt.xlabel('T值', fontsize=12) plt.ylabel('M值', fontsize=12) plt.grid(True, alpha=0.3) plt.tight_layout() plt.show() ``` ### 4. 添加回归线的散点图 ```python from scipy import stats plt.figure(figsize=(10, 6)) # 绘制散点 plt.scatter(df['T'], df['M'], s=50, alpha=0.6, label='数据点') # 计算线性回归 slope, intercept, r_value, p_value, std_err = stats.linregress(df['T'], df['M']) # 生成回归线 x_line = np.linspace(df['T'].min(), df['T'].max(), 100) y_line = slope * x_line + intercept # 绘制回归线 plt.plot(x_line, y_line, 'r-', linewidth=2, label=f'回归线 (R²={r_value**2:.3f})') plt.title('T vs M 散点图（带回归线）', fontsize=16) plt.xlabel('T值', fontsize=12) plt.ylabel('M值', fontsize=12) plt.legend() plt.grid(True, alpha=0.3) plt.tight_layout() plt.show() ``` ## 四、完整示例代码 ```python import pandas as pd import matplotlib.pyplot as plt import numpy as np from scipy import stats # 创建示例数据（使用你提供的前10行数据） data = { '序号': [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0], 'T': [6.3492, 8.7302, 33.3333, 16.6667, 36.5079, 9.5238, 50.7937, 9.5238, 38.0952, 46.8254], 'M': [36.3192, 25.3469, 18.8811, 20.2645, 12.366, 24.7456, 19.6182, 44.0789, 39.9964, 20.9337], 'Y': [30.2769, 30.9632, 34.8142, 34.8713, 32.9169, 31.0341, 35.2878, 23.5929, 31.5875, 35.7252], 'X1': [50.0, 72.7273, 45.4545, 40.9091, 22.7273, 22.7273, 18.1818, 54.5455, 40.9091, 9.0909], 'X2': [45.1613, 70.9677, 45.1613, 54.8387, 77.4194, 58.0645, 35.4839, 35.4839, 54.8387, 64.5161], 'X3': [29.707, 33.121, 18.4713, 23.1083, 26.3694, 27.4013, 15.2866, 30.4459, 36.3057, 27.3885] } df = pd.DataFrame(data) # 创建画布 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) # 1. 基础散点图 axes[0, 0].scatter(df['T'], df['M'], s=60, color='steelblue', alpha=0.7, edgecolor='black') axes[0, 0].set_title('T与M关系散点图', fontsize=14) axes[0, 0].set_xlabel('T值') axes[0, 0].set_ylabel('M值') axes[0, 0].grid(True, alpha=0.3) # 2. 带颜色映射的散点图 scatter = axes[0, 1].scatter(df['T'], df['M'], c=df['Y'], cmap='RdYlBu', s=60, alpha=0.7) axes[0, 1].set_title('T与M关系（颜色表示Y值）', fontsize=14) axes[0, 1].set_xlabel('T值') axes[0, 1].set_ylabel('M值') plt.colorbar(scatter, ax=axes[0, 1]).set_label('Y值') # 3. X1与X2关系散点图 axes[1, 0].scatter(df['X1'], df['X2'], s=df['X3']*2, color='green', alpha=0.6) axes[1, 0].set_title('X1与X2关系（点大小表示X3值）', fontsize=14) axes[1, 0].set_xlabel('X1值') axes[1, 0].set_ylabel('X2值') axes[1, 0].grid(True, alpha=0.3) # 4. 带回归线的散点图 axes[1, 1].scatter(df['T'], df['Y'], s=50, color='purple', alpha=0.6, label='数据点') # 计算回归线 slope, intercept, r_value, p_value, std_err = stats.linregress(df['T'], df['Y']) x_fit = np.linspace(df['T'].min(), df['T'].max(), 100) y_fit = slope * x_fit + intercept axes[1, 1].plot(x_fit, y_fit, 'r-', linewidth=2, label=f'回归线 (R²={r_value**2:.3f})') axes[1, 1].set_title('T与Y关系散点图（带回归线）', fontsize=14) axes[1, 1].set_xlabel('T值') axes[1, 1].set_ylabel('Y值') axes[1, 1].legend() axes[1, 1].grid(True, alpha=0.3) plt.suptitle('Excel数据散点图分析', fontsize=16, y=1.02) plt.tight_layout() plt.show() # 保存图表 plt.savefig('scatter_plots.png', dpi=300, bbox_inches='tight') print("图表已保存为 scatter_plots.png") ``` ## 五、关键要点总结 1. **读取数据**：使用`pd.read_excel()`读取Excel文件 2. **绘制散点图**：使用`plt.scatter(x, y)`函数 3. **常用参数**： - `s`：点的大小 - `c`：点的颜色（可以是单一颜色或数值列表） - `cmap`：颜色映射 - `alpha`：透明度 - `edgecolors`：边缘颜色 - `marker`：点形状 4. **美化图表**： - 添加标题：`plt.title()` - 添加坐标轴标签：`plt.xlabel()`, `plt.ylabel()` - 添加网格：`plt.grid()` - 添加图例：`plt.legend()` - 调整布局：`plt.tight_layout()` 5. **保存图表**：`plt.savefig('filename.png', dpi=300)` 这个示例展示了如何读取Excel数据并创建多种散点图，你可以根据实际需求调整变量组合和图表样式。