Matplotlib学习---用matplotlib画散点图，气泡图（scatter plot, bubble chart）

小鱼儿 2021-09-29 03:32 496阅读 0赞

Matplotlib里有两种画散点图的方法，一种是用ax.plot画，一种是用ax.scatter画。

一. 用ax.plot画

**ax.plot(x,y,marker="o",color="black")**

二. 用ax.scatter画

**ax.scatter(x,y,marker="o",s=sizes,c=colors)**

**ax.plot和ax.scatter的区别：**

ax.plot：各散点彼此复制，因此整个数据集中所有的点只需配置一次颜色和大小。对大型数据集而言，ax.plot方法效率更高。

ax.scatter：灵活性高，可以单独控制每个散点，使其具有不同的属性（大小，填充颜色，边框颜色等）。

下面利用Nathan Yau所著的[《鲜活的数据：数据可视化指南》][Link 1]一书中的数据，学习画图。

数据地址：http://datasets.flowingdata.com/flowingdata\_subscribers.csv （用于散点图）

http://datasets.flowingdata.com/crimeRatesByState2005.csv（用于气泡图）

准备工作：先导入matplotlib和pandas，用pandas读取csv文件，然后创建一个图像和一个坐标轴

import pandas as pd
    from matplotlib import pyplot as plt
    subscriber=pd.read_csv(r"http://datasets.flowingdata.com/flowingdata_subscribers.csv")
    fig,ax=plt.subplots()

让我们先看看第一个数据文件的前5行：

Date  Subscribers  Reach  Item Views   Hits
    0  01-01-2010        25047   4627        9682  27225
    1  01-02-2010        25204   1676        5434  28042
    2  01-03-2010        25491   1485        6318  29824
    3  01-04-2010        26503   6290       17238  48911
    4  01-05-2010        26654   6544       16224  45521

我们把文件中的订阅人数根据日期的推进画出来：

import pandas as pd
    from matplotlib import pyplot as plt
    subscriber=pd.read_csv(r"http://datasets.flowingdata.com/flowingdata_subscribers.csv")
    fig,ax=plt.subplots()
    
    time=[pd.to_datetime(i) for i in subscriber["Date"]]
    ax.plot(time,subscriber["Subscribers"],"o",color="blue")
    ax.set(xlabel="Date",ylabel="Number of subsribers")
    ax.set_title("Growth of subscribers --- Jan 2010")
    ax.annotate("2 days where \nit went wrong",xy=(0.43,0.06),xycoords='axes fraction',\
                xytext=(0.56,0.1),textcoords='axes fraction',\
                arrowprops=dict(facecolor='black', shrink=0.05))
    ax.annotate("25047",xy=(0.046,0.8),xycoords='axes fraction',\
                xytext=(0.004,0.68),textcoords='axes fraction',\
                arrowprops=dict(arrowstyle="-"))
    ax.annotate("27611\n(+10%)",xy=(0.955,0.92),xycoords='axes fraction',\
                xytext=(0.905,0.76),textcoords='axes fraction',\
                arrowprops=dict(arrowstyle="-"))
    ax.spines["left"].set_visible(False) 
    ax.spines["right"].set_visible(False)
    ax.spines["top"].set_visible(False)
    
    plt.show()

图像如下：

![1247570-20180805150615051-262436579.png][]

可以看到有两个点情况异常，由于原因未知，添加注释进行说明。

接下来看看第二个数据文件的前5行：

state  murder  forcible_rape  robbery  aggravated_assault  \
    0  United States     5.6           31.7    140.7               291.1   
    1        Alabama     8.2           34.3    141.4               247.8   
    2         Alaska     4.8           81.1     80.9               465.1   
    3        Arizona     7.5           33.8    144.4               327.4   
    4       Arkansas     6.7           42.9     91.1               386.8   
    
       burglary  larceny_theft  motor_vehicle_theft  population  
    0     726.7         2286.3                416.7   295753151  
    1     953.8         2650.0                288.3     4545049  
    2     622.5         2599.1                391.0      669488  
    3     948.4         2965.2                924.4     5974834  
    4    1084.6         2711.2                262.1     2776221

这是美国各州各种犯罪行为的发生率（每10万人口）。

让我们看看各州谋杀率和入室盗窃率之间是否有关联，同时把各州的人口也显示出来，看看人口多的州是否这两种犯罪率同时也高。

首先把第一行United States的平均数据去除，然后把population，state，murder，burglary这几项数据分别拣出。在scatter命令中，以murder为x轴，burglary为y轴，s（气泡面积）按population调整，alpha为透明度。其中有一个州的谋杀率特别高，因此把x轴的上下限调整一下，以便更好地看出谋杀率和入室盗窃率之间的关系。这样，一个三维图像就画了出来。

import pandas as pd
    from matplotlib import pyplot as plt
    crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
    fig,ax=plt.subplots(figsize=(10,5))
    
    crime=crime[1:]
    population=crime["population"].values
    state=crime["state"].values
    murder=crime["murder"].values
    burglary=crime["burglary"].values
    
    ax.scatter(murder,burglary,s=population/40000,alpha=0.6)
    ax.set(xlim=(0,11),ylim=(200,1300),\
           xlabel="Murder per 100,000 population",\
           ylabel="Burglary per 100,000 population",\
           title="Murder & Burglary in USA")
    for i,j,z in zip(murder,burglary,state):
        ax.text(x=i-0.3,y=j-0.1,s=z,fontsize=7)
    ax.spines["top"].set_visible(False)
    ax.spines["left"].set_visible(False)
    ax.spines["right"].set_visible(False)
    
    plt.show()

图像如下：

![1247570-20180805172006380-791077749.png][]

可以看出谋杀率和入室盗窃率之间是呈正比关系的，但是人口多的州并非这两种犯罪率就高。

此外，可以通过设置scatter命令中的c（颜色）参数，进而来展示四维图像。

转载于:https://www.cnblogs.com/HuZihu/p/9418789.html

[Link 1]: https://www.amazon.cn/%E5%9B%BE%E7%81%B5%E7%A8%8B%E5%BA%8F%E8%AE%BE%E8%AE%A1%E4%B8%9B%E4%B9%A6%E2%80%A2%E9%B2%9C%E6%B4%BB%E7%9A%84%E6%95%B0%E6%8D%AE-%E6%95%B0%E6%8D%AE%E5%8F%AF%E8%A7%86%E5%8C%96%E6%8C%87%E5%8D%97-%E9%82%B1/dp/B009O65XPS/ref=cm_cr_arp_d_bdcrb_top?ie=UTF8
[1247570-20180805150615051-262436579.png]: /images/20210726/396d29dab1af4d0d8f5e6db257fe2671.png
[1247570-20180805172006380-791077749.png]: https://images2018.cnblogs.com/blog/1247570/201808/1247570-20180805172006380-791077749.png