讲师中心 微信公众号
首页
文章
后端开发 web前端 数据库 开发工具 php框架 常见问题 人工智能 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 自媒体 新闻
专题
后端开发 web前端 数据库 开发工具 php框架 人工智能 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 新闻
AI工具
AI聊天问答 Agent智能体 AI文本写作 AI绘画作图 AI设计工具 AI视频创作 AI音频制作 AI办公学习 AI编程开发 AI提示词
学习
大前端 后端开发 数据库 移动端 运维开发 计算机基础
编程手册
大前端 后端开发 数据库 移动端 运维开发 计算机基础
下载
js特效 网站源码 工具下载 类库下载 网站素材 学习资源 插件扩展 手机游戏
最近更新
当前位置： 首页 > 后端开发 > Python > Python 教程

手册目录

Python 教程

简介 入门 语法 注释 变量 数据类型 数字 Casting 字符串 布尔 运算符 列表 元组 集合 字典 If Else While 循环 For 循环 函数 Lambda 数组 类/对象 继承 迭代 多态 作用域 模块 日期 数学 JSON RegEx PIP Try Except 命令输入 字符串格式化

Python 文件处理

文件打开 文件读取 文件写入/创建 文件删除

Python 模块

NumPy 教程 Pandas 教程 SciPy 教程

Python Matplotlib

简介 入门 Pyplot 绘图 标记 线条 标签 网格 子图 散点图 条形图 直方图 饼图

Python NumPy

简介 入门 数组创建 数组索引 数组裁切 数据类型 副本/视图 数组形状 数组重塑 数组迭代 数组连接 数组拆分 数组搜索 数组排序 数组过滤 随机 ufuncs

Python 机器学习

入门 平均中位数模式 标准差 百分位数 数据分布 正态数据分布 散点图 线性回归 多项式回归 多元回归 缩放 训练/测试 决策树 混淆矩阵 层次聚类 逻辑回归 网格搜索 分类数据 K-means 聚合 交叉验证 AUC - ROC 曲线 K-最近邻算法

Python MySQL

入门 Create Database Create Table Insert Select Where Order By Delete Drop Table Update Limit Join

Python MongoDB

入门 创建数据库 创建集合 Insert Find Query Sort Delete 删除集合 Update Limit

Python 参考手册

参考概览 内建函数 字符串方法 列表方法 字典方法 元组方法 集合方法 文件方法 关键字 异常 术语表

Python 模块参考手册

随机模块 请求模块 统计模块 数学模块 复数数学模块

Python How To

删除列表重复项 反转字符串 两数相加

Python 教程

收藏
分享
浏览2974
更新时间2025-08-06
子图 条形图

创建散点图

使用 Pyplot，您可以使用 scatter() 函数来绘制散点图。

scatter() 函数为每个观测值绘制一个点。它需要两个长度相同的数组，一个用于 x 轴的值，另一个用于 y 轴的值：

实例

一个简单的散点图：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])

plt.scatter(x, y)
plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

上例中的观测值是 13 辆汽车经过的结果。

X 轴显示了汽车的车龄。

Y 轴显示了汽车经过时的速度。

这些观测值之间是否存在关系？

看起来车越新，开得越快，但这可能只是巧合，毕竟我们只记录了 13 辆汽车。

比较图表

在上面的例子中，速度和年龄之间似乎存在某种关系，但如果我们再将另一天的观测值也绘制出来会如何呢？散点图会告诉我们其他信息吗？

实例

在同一张图上绘制两个图表：

import matplotlib.pyplot as plt
import numpy as np

# 第一天，13 辆汽车的车龄和速度：
x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y)

# 第二天，15 辆汽车的车龄和速度：
x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y)

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

注意：两个图表使用两种不同的颜色绘制，默认是蓝色和橙色，稍后在本章中您将学习如何更改颜色。

通过比较这两个图表，我认为可以安全地说它们都给出了相同的结论：汽车越新，开得越快。

颜色

您可以使用 color 或 c 参数为每个散点图设置自己的颜色：

实例

设置标记点的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

为每个点着色

您甚至可以使用颜色数组作为 c 参数的值来为每个点设置特定颜色：

注意：您不能为此使用 color 参数，只能使用 c 参数。

实例

设置标记点的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

彩色映射

Matplotlib 模块提供了许多可用的彩色映射。

彩色映射就像颜色列表，其中每种颜色都有一个从 0 到 100 的值。

以下是一个彩色映射的例子：

ColorMap

这个彩色映射称为 'viridis'，如您所见，它从 0（紫色）开始，一直到 100（黄色）。

如何使用彩色映射

您可以使用关键字参数 cmap 和彩色映射的值来指定彩色映射，在这种情况下，'viridis' 是 Matplotlib 中可用的内置彩色映射之一。

此外，您必须创建一个数组，其中包含值（从 0 到 100），每个散点图中的点一个值：

实例

创建颜色数组，并在散点图中指定彩色映射：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

您可以通过包含 plt.colorbar() 语句来在绘图中包含彩色映射：

实例

包含实际的彩色映射：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.colorbar()

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

可用的彩色映射

您可以选择任意内置彩色映射：

名称 试一试 反转 试一试
Accent 试一试 Accent_r 试一试
Blues 试一试 Blues_r 试一试
BrBG 试一试 BrBG_r 试一试
BuGn 试一试 BuGn_r 试一试
BuPu 试一试 BuPu_r 试一试
CMRmap 试一试 CMRmap_r 试一试
Dark2 试一试 Dark2_r 试一试
GnBu 试一试 GnBu_r 试一试
Greens 试一试 Greens_r 试一试
Greys 试一试 Greys_r 试一试
OrRd 试一试 OrRd_r 试一试
Oranges 试一试 Oranges_r 试一试
PRGn 试一试 PRGn_r 试一试
Paired 试一试 Paired_r 试一试
Pastel1 试一试 Pastel1_r 试一试
Pastel2 试一试 Pastel2_r 试一试
PiYG 试一试 PiYG_r 试一试
PuBu 试一试 PuBu_r 试一试
PuBuGn 试一试 PuBuGn_r 试一试
PuOr 试一试 PuOr_r 试一试
PuRd 试一试 PuRd_r 试一试
Purples 试一试 Purples_r 试一试
RdBu 试一试 RdBu_r 试一试
RdGy 试一试 RdGy_r 试一试
RdPu 试一试 RdPu_r 试一试
RdYlBu 试一试 RdYlBu_r 试一试
RdYlGn 试一试 RdYlGn_r 试一试
Reds 试一试 Reds_r 试一试
Set1 试一试 Set1_r 试一试
Set2 试一试 Set2_r 试一试
Set3 试一试 Set3_r 试一试
Spectral 试一试 Spectral_r 试一试
Wistia 试一试 Wistia_r 试一试
YlGn 试一试 YlGn_r 试一试
YlGnBu 试一试 YlGnBu_r 试一试
YlOrBr 试一试 YlOrBr_r 试一试
YlOrRd 试一试 YlOrRd_r 试一试
afmhot 试一试 afmhot_r 试一试
autumn 试一试 autumn_r 试一试
binary 试一试 binary_r 试一试
bone 试一试 bone_r 试一试
brg 试一试 brg_r 试一试
bwr 试一试 bwr_r 试一试
cividis 试一试 cividis_r 试一试
cool 试一试 cool_r 试一试
coolwarm 试一试 coolwarm_r 试一试
copper 试一试 copper_r 试一试
cubehelix 试一试 cubehelix_r 试一试
flag 试一试 flag_r 试一试
gist_earth 试一试 gist_earth_r 试一试
gist_gray 试一试 gist_gray_r 试一试
gist_heat 试一试 gist_heat_r 试一试
gist_ncar 试一试 gist_ncar_r 试一试
gist_rainbow 试一试 gist_rainbow_r 试一试
gist_stern 试一试 gist_stern_r 试一试
gist_yarg 试一试 gist_yarg_r 试一试
gnuplot 试一试 gnuplot_r 试一试
gnuplot2 试一试 gnuplot2_r 试一试
gray 试一试 gray_r 试一试
hot 试一试 hot_r 试一试
hsv 试一试 hsv_r 试一试
inferno 试一试 inferno_r 试一试
jet 试一试 jet_r 试一试
magma 试一试 magma_r 试一试
nipy_spectral 试一试 nipy_spectral_r 试一试
ocean 试一试 ocean_r 试一试
pink 试一试 pink_r 试一试
plasma 试一试 plasma_r 试一试
prism 试一试 prism_r 试一试
rainbow 试一试 rainbow_r 试一试
seismic 试一试 seismic_r 试一试
spring 试一试 spring_r 试一试
summer 试一试 summer_r 试一试
tab10 试一试 tab10_r 试一试
tab20 试一试 tab20_r 试一试
tab20b 试一试 tab20b_r 试一试
tab20c 试一试 tab20c_r 试一试
terrain 试一试 terrain_r 试一试
twilight 试一试 twilight_r 试一试
twilight_shifted 试一试 twilight_shifted_r 试一试
viridis 试一试 viridis_r 试一试
winter 试一试 winter_r 试一试

大小

您可以使用 s 参数来改变点的大小。

就像颜色一样，请确保 sizes 数组的长度与 x 轴和 y 轴的数组长度相同：

实例

为标记设置您自己的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes)

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

透明度

您可以使用 alpha 参数来调整点的透明度。

就像颜色一样，请确保 sizes 数组的长度与 x 轴和 y 轴的数组长度相同：

实例

为标记设置您自己的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes, alpha=0.5)

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图

结合颜色、大小和透明度

您可以将色彩映射与不同大小的点结合起来。如果点是透明的，这将得到最好的可视化效果：

实例

为 x 点、y 点、颜色和大小创建包含 100 个值的随机数组：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')

plt.colorbar()

plt.show()
运行实例 »

点击 "运行实例" 按钮查看在线实例

结果：

Matplotlib 散点图
子图 条形图

相关视频

更多

免费

最新ThinkPHP 5.1全球首发视频教程(60天成就PHP大牛线上培训班课)
中级最新ThinkPHP 5.1全球首发视频教程(60天成就PHP大牛线上培训班课)

1533476次学习

收藏

免费

php8，我来也
初级php8，我来也

321791次学习

收藏

免费

Thinkphp6.0正式版视频教程
中级Thinkphp6.0正式版视频教程

382433次学习

收藏

免费

细说PHP第一季
中级细说PHP第一季

282799次学习

收藏

免费

TP6.0 搭建个人博客实战（玉女心经版）
初级TP6.0 搭建个人博客实战（玉女心经版）

213740次学习

收藏

免费

简单聊聊PHP创业那点事
初级简单聊聊PHP创业那点事

13415次学习

收藏

科技资讯

更多

24小时阅读榜

更多

精品课程

更多
PHP实战天龙八部之微信支付视频教程
PHP实战天龙八部之微信支付视频教程

共5课时 | 17.4万人学习

PHP实战天龙八部之仿爱奇艺电影网站
PHP实战天龙八部之仿爱奇艺电影网站

共49课时 | 78.2万人学习

前端入门_HTML5
前端入门_HTML5

共29课时 | 62.5万人学习

CSS视频教程-玉女心经版
CSS视频教程-玉女心经版

共25课时 | 39.7万人学习

JavaScript极速入门_玉女心经系列
JavaScript极速入门_玉女心经系列

共43课时 | 73.8万人学习

热门下载

更多
phpStudy 2018最新版
phpStudy 2018最新版

下载
vc9-vc14（32+64位）运行库合集（链接在下方）
vc9-vc14（32+64位）运行库合集（链接在下方）

下载
VC9 32位
VC9 32位

下载
VC11 32位
VC11 32位

下载
php程序员工具箱完整版
php程序员工具箱完整版

下载
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号