Matplotlib绘制散点图主要使用matplotlib.pyplot类中的scatter函数，其详细的用法参考官方文档，这里附上链接：Matplotlib官方文档。接下来将介绍如何利用scatter函数绘制散点图。首先来一个示例：
# coding=utf-8# 导入包和类import matplotlib.pyplot as plt # 初始化测试数据a=range(10)b=range(10)# 使用scatter函数绘制散点图plt.scatter(a,b)# 保存图片plt.savefig("./demo-1.svg",dpi=400,bbox_inches='tight') # dpi表示分辨率# 展示图片(在jupyter中可以不使用plt.show())plt.show()运行结果：
Figure 1基本的散点图已经绘制成功了，但是不够美观，也不够丰满，因此我们需要做一些“微调”：
# coding=utf-8# 导入包和类import matplotlib.pyplot as plt # 初始化测试数据a = range(10)b = range(10)# 使用scatter函数绘制散点图plt.scatter(a, b, s=100.0, marker=".", color="b") # 这里的s必须为浮点数# 添加标题plt.title("My first scatter demo", fontsize=19, weight="bold")# 修改一下x轴和y轴的坐标## lables表示为坐标轴上的数字填上标签，rotatio表示旋转plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)plt.yticks(b)# 设置坐标轴标签plt.xlabel("This is x axis", fontsize=20, weight="bold")plt.ylabel("This is y axis")# 添加网格plt.grid(True)# 保存图片## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框plt.savefig("./demo-2.svg", dpi=400, bbox_inches="tight")# 展示图片plt.show()运行结果：
Figure 2可以看到，相比于Figure 1，Figure 2多了很多样式，但碍于笔者审美障碍以及案例展示需要，绝对称不上美观。这里使用的一些设置，如xlabel，plt.title，plt.xticks等，其用法非常丰富，代码中做了一定的注释，在这里不再赘述，读者可以尝试进行参数的修改，观察图形的变化，以获得启示。但是这里笔者更加推荐读者查阅Matplotlib官方文档。相信我，再结合官方提供的案例，这份文档绝对不辱使命。另外，细心的读者会发现，这里我们均使用的是英文设置标题等，这是因为直接使用中文无法显示，关于这个问题的解决措施我们日后再谈。
二、基础折线图的绘制Matplotlib绘制折现图主要使用matplotlib.pyplot类中的plot函数，还是那句话：其详细的用法参考官方文档，这里再附上链接：Matplotlib官方文档。接下来将介绍如何利用plot函数绘制折现图。首先来一个示例：
# coding=utf-8# 导入包和类import matplotlib.pyplot as plt # 初始化测试数据a=range(10)b=range(10)# 使用plot函数绘制折线图plt.plot(a,b)# 保存图片## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框plt.savefig("./demo-3.svg",dpi=400,bbox_inches='tight') # 展示图片(在jupyter中可以不使用plt.show())plt.show()运行结果：
Figure 3我们可以惊喜的发现，只需要将scatter改为plot即能实现我们的目标。接下来再添加一些样式：
# coding=utf-8# 导入包和类import matplotlib.pyplot as plt# 初始化测试数据a = range(10)b = range(10)# 使用plot函数绘制折线图plt.plot(a, b, marker="*", color="b", markersize=15) # 添加标题plt.title("My second scatter demo", fontsize=19, weight="bold")# 修改一下x轴和y轴的坐标## lables表示为坐标轴上的数字填上标签，rotatio表示旋转plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)plt.yticks(b)# 设置坐标轴标签plt.xlabel("This is x axis", fontsize=20, weight="bold")plt.ylabel("This is y axis")# 添加网格plt.grid(True)# 保存图片## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框plt.savefig("./demo-4.svg", dpi=400, bbox_inches="tight")# 展示图片plt.show()运行结果：
Figure 4在这里我们要注意代码第10行中的：marker，这个参数顾名思义指的是标记，如果我们设置标记的符号为*，那么在每个点上就会有这么一个标记，读者可以尝试设置其它的符号，如：o，^，等看看效果如何。这里我们列出一些可能用到的标记符号，见Table 1
Table 1 字符类型字符类型‘-’实线‘–’虚线‘-.’虚点线‘:’点线‘.’点‘,’像素点‘o’圆点‘v’下三角点‘^’上三角点‘<’左三角点‘>’右三角点‘1’下三叉点‘2’上三叉点‘3’左三叉点‘4’右三叉点‘s’正方点‘p’五角点‘*’星形点‘h’六边形点1‘H’六边形点2‘+’加号点‘x’乘号点‘D’实心菱形点‘d’瘦菱形点‘_’横线点另外的markersize顾名思义指的就是标记的尺寸，读者在学习的时候也要有一定的想象力，可以先猜测再验证，这个过程也是非常有趣的！
此外，plot函数其实也能绘制散点图，这里给个示例：
# coding=utf-8# 导入包和类import matplotlib.pyplot as plt# 初始化测试数据a = range(10)b = range(10)# 使用plot函数绘制散点图plt.plot(a, b, "H") #只需添加点型，即可绘制# 保存图片## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框plt.savefig("./demo-5.svg", dpi=400, bbox_inches="tight")# 展示图片(在jupyter中可以不使用plt.show())plt.show()运行结果：
Figure 5可以看到，只需在第10行设置一个点型即可，但此时无法设置markersize属性，因为发生了冲突，读者可以自行尝试。另外，读者也可以尝试将第10行的"H"改为"rH"看一下点的颜色如何变化，答案是会变成红色，这是因为r是red的缩写，关于Matplotlib中颜色的设置，这里不再赘述，请读者们参考一下官方文档，笔者推荐大家使用颜色缩写和十六进制法表示颜色。
三、散点图进阶这一节主要以示例为主，会告诉大家核心语句，请读者自行查阅官方文档。
1.更改颜色和透明度核心语句：
第13行：c=c,alpha=0.5 # coding=utf-8import matplotlib.pyplot as pltimport numpy as np# 10个点N = 10x = np.random.rand(N)y = np.random.rand(N)# 每个点随机大小s = (30 * np.random.rand(N)) ** 2# 随机颜色c = np.random.rand(N)plt.scatter(x, y, s=s, c=c, alpha=0.4)plt.show() 2.一张图上绘制两组散点核心代码：
第10行第11行 import matplotlib.pyplot as pltimport numpy as np# 10个点N = 10x1 = np.random.rand(N)y1 = np.random.rand(N)x2 = np.random.rand(N)y2 = np.random.rand(N)plt.scatter(x1, y1, marker="o")plt.scatter(x2, y2, marker="^")plt.savefig("test-2.svg", dpi=400, bbox_inches="tight")plt.show() 3.添加图例核心代码：
第10行label="circle"与第11行label=“triangle”第12行plt.legend(loc=“best”) import matplotlib.pyplot as pltimport numpy as np# 10个点N = 10x1 = np.random.rand(N)y1 = np.random.rand(N)x2 = np.random.rand(N)y2 = np.random.rand(N)plt.scatter(x1, y1, marker="o", label="circle")plt.scatter(x2, y2, marker="^", label="triangle")plt.legend(loc="best") # loc参数可以设置，best表示放在最合适的位置plt.savefig("test-1.svg", dpi=400, bbox_inches="tight")plt.show()