<think>我们被要求回答关于Python绘制散点图的方法，同时注意格式要求（特别是数学公式和引用）。根据用户的问题，他想要获取使用Python绘制散点图的方法。我们将结合之前的引用内容，并按照要求进行回答。 步骤： 1. 导入必要的库（主要是matplotlib） 2. 准备数据 3. 绘制散点图 4. 自定义样式（颜色、大小、透明度等） 5. 添加标题、坐标轴标签、图例等 6. 显示或保存图表 同时，我们将参考引用[1][2][3][4]中的内容，并在适当位置添加引用标识。 注意：在回答中，如果涉及到数学表达式，按照要求使用$...$或$$...$$。 下面开始回答： </think> ### Python绘制散点图方法详解 #### 1. 基础散点图绘制 使用Matplotlib的`scatter()`函数绘制基本散点图： ```python import matplotlib.pyplot as plt import numpy as np # 生成随机数据 np.random.seed(42) x = np.random.rand(50) * 100 # 0-100的随机值 y = np.random.rand(50) * 50 # 0-50的随机值 # 绘制散点图 plt.figure(figsize=(10, 6)) plt.scatter(x, y, color='blue', alpha=0.7) # alpha控制透明度 # 添加标题和标签 plt.title('基础散点图示例', fontsize=14) plt.xlabel('X轴数值', fontsize=12) plt.ylabel('Y轴数值', fontsize=12) plt.grid(True, linestyle='--', alpha=0.6) plt.show() ``` #### 2. 高级定制参数 通过调整参数实现更丰富的可视化效果： ```python # 创建不同大小的点（大小与y值成正比） sizes = y * 20 # 创建颜色映射（颜色与x值成正比） colors = x plt.figure(figsize=(10, 6)) scatter = plt.scatter( x, y, s=sizes, # 点的大小 c=colors, # 颜色值 cmap='viridis', # 颜色映射 alpha=0.8, # 透明度 edgecolor='black',# 边缘颜色 linewidth=0.8 # 边缘线宽 ) # 添加颜色条 plt.colorbar(scatter, label='X值颜色映射') # 添加回归线（$...$内嵌LaTeX公式） z = np.polyfit(x, y, 1) p = np.poly1d(z) plt.plot(x, p(x), "r--", label=f'回归线: $y = {z[0]:.2f}x + {z[1]:.2f}$') plt.title('定制化散点图', fontsize=14) plt.xlabel('自变量X', fontsize=12) plt.ylabel('因变量Y', fontsize=12) plt.legend() plt.show() ``` #### 3. 多类别散点图 展示不同类别的数据分布： ```python # 创建三类数据 categories = np.random.choice(['A类', 'B类', 'C类'], 50) colors_map = {'A类': 'red', 'B类': 'green', 'C类': 'blue'} sizes_map = {'A类': 80, 'B类': 120, 'C类': 160} plt.figure(figsize=(10, 6)) for cat in set(categories): idx = categories == cat plt.scatter( x[idx], y[idx], s=sizes_map[cat], color=colors_map[cat], label=cat, alpha=0.7 ) plt.title('多类别散点图', fontsize=14) plt.xlabel('特征值X', fontsize=12) plt.ylabel('特征值Y', fontsize=12) plt.legend(title='数据类别', fontsize=10) plt.show() ``` #### 4. 3D散点图 使用mplot3d工具包绘制三维散点图： ```python from mpl_toolkits.mplot3d import Axes3D z = np.random.rand(50) * 30 fig = plt.figure(figsize=(10, 8)) ax = fig.add_subplot(111, projection='3d') scatter = ax.scatter( x, y, z, c=z, # 使用z值作为颜色依据 cmap='plasma', s=50, depthshade=True # 启用深度阴影 ) ax.set_title('3D散点图', fontsize=14) ax.set_xlabel('X轴', fontsize=12) ax.set_ylabel('Y轴', fontsize=12) ax.set_zlabel('Z轴', fontsize=12) fig.colorbar(scatter, label='Z值') plt.show() ``` #### 5. 气泡图（进阶散点图） 结合颜色和大小展示四维数据： ```python # 第四维数据：气泡大小表示的重要性 importance = np.random.randint(1, 100, 50) plt.figure(figsize=(12, 8)) scatter = plt.scatter( x, y, s=importance * 2, # 气泡大小 c=np.arctan2(y, x), # 角度作为颜色 cmap='hsv', alpha=0.7 ) # 添加数据标签 for i, (xi, yi) in enumerate(zip(x, y)): plt.annotate(f'{importance[i]}%', (xi, yi), xytext=(5, 0), textcoords='offset points') plt.title('气泡图（大小表示重要性）', fontsize=14) plt.xlabel('参数X', fontsize=12) plt.ylabel('参数Y', fontsize=12) plt.colorbar(scatter, label='角度(弧度)') plt.show() ``` #### 关键参数说明 | 参数 | 说明 | 示例值 | |------|------|--------| | `s` | 点的大小 | 50 / [10,20,30,...] | | `c` | 点颜色 | 'red' / np.array / '#FF5733' | | `cmap` | 颜色映射 | 'viridis'/'plasma'/'cool' | | `alpha` | 透明度 | 0-1之间 | | `marker` | 点形状 | 'o'（圆形）/'s'（方形） | | `edgecolor` | 边缘颜色 | 'black'/'none' | | `linewidths` | 边缘线宽 | 0.5-2.0 | > 散点图是展示两个连续变量关系的核心工具，特别适合观察**数据分布模式**、**异常值检测**和**相关性分析**[^1][^2]。当点的大小和颜色代表额外维度时，可扩展为四维数据可视化[^3][^4]。