### 使用 Matplotlib 和 Seaborn 绘制带类别的数据可视化散点图 以下是通过 Python 的 `Matplotlib` 和 `Seaborn` 库来实现带有类别标签的数据可视化散点图的方法。此方法可以清晰地表示不同类别的分布情况。 #### 数据准备 为了演示如何绘制分类数据的散点图，通常会创建一个包含多个特征列以及类别标签列的数据集。这里假设我们有一个名为 `df` 的 Pandas DataFrame，其中包含三列：两列为数值型变量（如 X 轴和 Y 轴），另一列为类别标签[^1]。 ```python import pandas as pd import numpy as np # 创建示例数据 np.random.seed(0) data = { 'X': np.random.randn(100), 'Y': np.random.randn(100), 'Category': np.random.choice(['A', 'B', 'C'], size=100) } df = pd.DataFrame(data) print(df.head()) ``` 上述代码生成了一个随机数据框 `df`，它包含了两个连续变量 (`X`, `Y`) 和一个离散变量 (`Category`) 表示不同的组别。 --- #### 方法一：使用 Matplotlib 实现 可以通过循环遍历每种类别并分别设置颜色来进行绘图： ```python import matplotlib.pyplot as plt categories = df['Category'].unique() colors = ['red', 'blue', 'green'] plt.figure(figsize=(8, 6)) for i, category in enumerate(categories): subset = df[df['Category'] == category] plt.scatter(subset['X'], subset['Y'], label=f'Group {category}', color=colors[i]) plt.title('Scatter Plot with Categories using Matplotlib') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') plt.legend() plt.grid(True) plt.show() ``` 这段代码展示了如何利用 `matplotlib` 中的颜色参数区分各个类别，并通过 `legend()` 函数标注这些分组的信息。 --- #### 方法二：使用 Seaborn 实现 `seaborn` 提供了更简洁的方式处理这种类型的图表，特别是其内置函数可以直接识别分类变量。 ```python import seaborn as sns sns.set(style="whitegrid") # 设置样式 plt.figure(figsize=(8, 6)) scatter_plot = sns.scatterplot( data=df, x='X', y='Y', hue='Category', # 自动按 Category 列着色 palette=['red', 'blue', 'green'], s=100 # 点大小调整 ) plt.title('Scatter Plot with Categories using Seaborn') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') # 显示图例 plt.legend(title='Categories') plt.show() ``` 在这里，`hue` 参数被用来指定哪个字段用于定义颜色编码，而无需手动分割数据帧或分配特定颜色给每个子集。 --- #### 总结 两种方式都可以有效地完成任务，但当涉及复杂图形定制或者交互需求较少时推荐使用 **Seaborn**；如果需要更多控制权，则可以选择基于低级 API 的 **Matplotlib** 来构建自定义视图。