plt作图
时间: 2025-05-24 15:52:51 浏览: 11
### 使用 Matplotlib 的 `plt` 库绘制散点图
Matplotlib 提供了一个非常方便的接口来绘制散点图,即通过 `matplotlib.pyplot.scatter()` 方法实现。这种方法允许用户灵活设置各种参数,比如颜色、大小和透明度等。
下面是使用 Matplotlib 的 `plt` 库绘制散点图的具体方法:
```python
import matplotlib.pyplot as plt
import numpy as np
# 生成随机数据
np.random.seed(0) # 设置随机种子以便结果可重复
x = np.random.rand(50) * 100 # 生成50个介于0到100之间的随机数作为x轴数据
y = np.random.rand(50) * 100 # 同理生成y轴数据
# 绘制散点图
plt.scatter(x, y, c='blue', s=50, alpha=0.7, edgecolors='black')
# 添加图形属性
plt.title('Scatter Plot Example with Matplotlib', fontsize=14)
plt.xlabel('X-Axis Label', fontsize=12)
plt.ylabel('Y-Axis Label', fontsize=12)
# 显示网格
plt.grid(True, linestyle='--', alpha=0.6)
# 展示图像
plt.show()
```
在此代码中:
- 参数 `c='blue'` 表示设定散点的颜色为蓝色[^2]。
- 参数 `s=50` 控制每个点的面积大小,单位是平方磅[^2]。
- 参数 `alpha=0.7` 调整点的透明程度,数值越接近0则越透明[^2]。
- 参数 `edgecolors='black'` 定义了点边缘的颜色,这里设为了黑色以增强对比效果[^2]。
---
#### 自定义散点图的更多选项
除了基础功能外,还可以进一步定制化散点图的表现形式。例如,可以通过不同的颜色映射(colormap)反映第三个维度的信息或者改变标记形状等等。
##### 示例:按第三维变量着色
假设存在另一组数据代表某些特征值,我们希望依据这些值的不同赋予各点相应色彩。
```python
z = np.sqrt(x ** 2 + y ** 2) # 计算距离原点远近作为新特性Z
colors = z # 将计算得到的距离赋给color参数
scatter = plt.scatter(x, y, c=colors, cmap='viridis', s=z*5, alpha=0.8, edgecolors='w')
# 添加颜色条指示对应关系
plt.colorbar(scatter).set_label('Distance from Origin')
plt.title('Customized Scatter Plot Based on Third Dimension')
plt.xlabel('X Values')
plt.ylabel('Y Values')
plt.show()
```
在这个扩展版本里引入了 colormap `'viridis'` 来表达额外的一层含义——即由 Z 值所决定的颜色渐变;同时还增大了点径随 Z 成比例增长的效果,并且去掉了原来的边界线条使得整体看起来更加柔和自然[^3]。
---
### 总结
以上介绍了两种方式利用 Matplotlib 下的 `plt` 子模块完成散点图的制作过程。前者侧重展示基本操作流程而后者着重探讨高级配置可能性。无论哪种情形都体现了 Python 生态圈内在处理此类任务方面的强大能力与灵活性。
阅读全文
相关推荐


















