散点图和柱状图的绘制

散点图与柱状图的绘制

小象实战讲义 · Python数据分析实战

在数据分析中，可视化是洞察数据关系、分布和趋势的关键步骤。本节我们将学习两种最基础且强大的图表类型：散点图和柱状图。通过Matplotlib库，你将掌握如何将数据点或分类数据直观地转化为图形，并灵活定制其样式。

💡 核心导读

• 散点图：用于展示两个连续变量之间的关系，通过plt.scatter()函数绘制，可精细控制每个点的位置、大小、颜色和形状。
• 柱状图：用于比较不同类别数据的数值大小，通过plt.bar()函数绘制，需注意多组数据绘制时的坐标偏移以避免重叠。
• 参数详解：理解s（大小）、c（颜色）、marker（标记样式）等关键参数，掌握为整组数据或单个点分别配置属性的方法。
• 多组数据绘制：学会在同一张图中叠加绘制多组数据，并利用颜色和样式的差异进行区分。
• 实战技巧：通过代码示例，掌握从数据生成到图形美化的完整流程。

散点图：探索变量间的关系

散点图是研究两个连续变量之间关系的利器。在Matplotlib中，我们使用plt.scatter()函数来绘制散点图。其核心参数如下：

• x, y：分别为数据点的横坐标和纵坐标数组。每个点由一对(x, y)坐标唯一确定。
• s：点的大小（size）。可以是一个标量（所有点大小相同），也可以是一个长度与数据点数量相同的数组（为每个点指定不同大小）。
• c：点的颜色（color）。可以是一个颜色字符串（如'r'代表红色），一个颜色列表，或一个数值数组（结合色彩映射）。
• marker：点的样式（marker）。例如，'o'代表圆圈，'x'代表叉号，'s'代表正方形。

基础散点图绘制

让我们从一个简单的线性关系开始。首先生成一组数据，并绘制其散点图。

import matplotlib.pyplot as plt
import numpy as np

# 生成一组模拟数据：50个随机点，y是x的两倍（线性关系）
np.random.seed(42)  # 固定随机种子，确保结果可复现
x = np.random.randn(50)
y = x * 2

# 绘制散点图
plt.figure(figsize=(6, 4))
plt.scatter(x, y)
plt.title('基础散点图：线性关系')
plt.xlabel('X 值')
plt.ylabel('Y 值')
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

# 图形显示为一个近似沿直线 y=2x 分布的点集。

绘制多组数据

在实际分析中，我们经常需要比较多组数据。只需多次调用plt.scatter()即可将它们绘制在同一张图中。Matplotlib会自动为不同组的数据分配不同的颜色。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组模拟数据
np.random.seed(42)
x = np.random.randn(50)
y1 = x ** 2  # 抛物线关系
y2 = x * 2   # 线性关系

# 在同一图中绘制两组数据
plt.figure(figsize=(7, 5))
plt.scatter(x, y1)  # 第一组数据，默认颜色
plt.scatter(x, y2)  # 第二组数据，自动分配不同颜色
plt.title('多组数据散点图')
plt.xlabel('X 值')
plt.ylabel('Y 值')
plt.legend(['y = x^2', 'y = 2x'])
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

# 图形显示为两组不同颜色的点，一组呈抛物线分布，一组呈线性分布。

自定义点的大小、颜色和样式

为了使图表更具表现力，我们可以精细控制每个点的外观。参数s、c、marker在此大显身手。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组模拟数据
np.random.seed(42)
x = np.random.randn(50)
y1 = x ** 2
y2 = x * 2

# 绘制带自定义样式的散点图
plt.figure(figsize=(8, 5))

# 第一组数据：红色叉号，点大小为100
plt.scatter(x, y1, s=100, c='red', marker='x', label='y = x^2 (红色叉号)')

# 第二组数据：绿色正方形，点大小为20
plt.scatter(x, y2, s=20, c='green', marker='s', label='y = 2x (绿色方块)')

plt.title('自定义样式的散点图')
plt.xlabel('X 值')
plt.ylabel('Y 值')
plt.legend()
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

# 图形显示：红色的大叉号点呈抛物线分布，绿色的小方块点呈线性分布。

关键点解析：

1. s 和 c 参数接受数组：除了设置统一值，你还可以传入一个长度与数据点数量相同的列表或数组，从而为每个点指定不同的大小或颜色。这在用点的大小表示第三个变量（如人口数量）、用颜色表示第四个变量（如类别）时非常有用。
2. 颜色与样式参考：
   • 颜色：可以使用简写（如'r', 'g', 'b'），全称（如'red', 'green', 'blue'），或十六进制颜色码（如'#FF5733'）。更多颜色名称可参考Matplotlib官方文档。
   • 标记样式：'o'圆圈, '.'点, 'x'叉号, 's'正方形, '^'上三角, 'v'下三角, '+'加号等。具体可查阅Matplotlib的标记样式文档。

柱状图：比较类别数据

柱状图适用于展示和比较不同类别或时间点上的数值数据。在Matplotlib中，使用plt.bar()函数绘制。

• x：柱子的横坐标位置（通常是类别标签或分组位置）。
• height：柱子的高度，即要展示的数据值。
• color：柱子的颜色。

基础柱状图绘制

我们先绘制一组简单的分类数据。

import matplotlib.pyplot as plt

# 定义类别和数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [5, 2, 7, 8, 2]

# 绘制柱状图
plt.figure(figsize=(7, 4))
plt.bar(categories, values, color='skyblue')
plt.title('基础柱状图')
plt.xlabel('类别')
plt.ylabel('数值')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

# 图形显示为五个柱子，高度分别为5, 2, 7, 8, 2。

绘制多组柱状图（并排）

当需要比较同一类别下不同分组的数据时，我们需要绘制多组柱状图。关键技巧是为每组柱子设置不同的横坐标，以避免它们完全重叠。

import matplotlib.pyplot as plt
import numpy as np

# 定义基础类别和两组数据
categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
sales_q1 = [5, 2, 7, 8, 2]  # 第一季度销量
sales_q2 = [8, 6, 2, 5, 6]  # 第二季度销量

# 设置柱子的宽度和位置
bar_width = 0.35
x_indexes = np.arange(len(categories))  # 生成位置索引 [0, 1, 2, 3, 4]

# 计算两组柱子的横坐标位置
bars1_x = x_indexes - bar_width/2
bars2_x = x_indexes + bar_width/2

# 绘制并排柱状图
plt.figure(figsize=(9, 5))
plt.bar(bars1_x, sales_q1, width=bar_width, color='tomato', label='第一季度')
plt.bar(bars2_x, sales_q2, width=bar_width, color='lightseagreen', label='第二季度')

plt.title('多组数据并排柱状图：季度销量对比')
plt.xlabel('产品类别')
plt.ylabel('销量')
plt.xticks(x_indexes, categories)  # 将位置索引替换为类别标签
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

# 图形显示为每个类别下有两个并排的柱子，分别代表第一和第二季度的销量，颜色不同。

为什么需要偏移横坐标？ 如果直接用相同的x坐标绘制两组plt.bar()，后绘制的柱子会完全覆盖先绘制的柱子，导致只能看到一组数据。通过为每组数据计算一个偏移后的x坐标（如x - 偏移量和x + 偏移量），并配合适当的width（柱子宽度），就能实现清晰的并排显示。偏移量通常取柱子宽度的一半，这样两组柱子能紧密相邻。

📝 动手练一练

1. 概念辨析：在绘制多组数据的散点图时，如果没有指定颜色(c参数)，Matplotlib会如何处理？在绘制多组数据的柱状图时，如果没有手动偏移横坐标，又会发生什么？

2. 动手实践：修改“多组数据并排柱状图”的示例代码，尝试添加第三季度的销量数据 sales_q3 = [3, 9, 4, 6, 7]，并用第三种颜色（如'gold'）将其与第一、第二季度的数据一起绘制成三组并排的柱状图。你需要如何计算第三组柱子的横坐标？

import matplotlib.pyplot as plt
import numpy as np

categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
sales_q1 = [5, 2, 7, 8, 2]
sales_q2 = [8, 6, 2, 5, 6]
sales_q3 = [3, 9, 4, 6, 7]  # 新增第三季度数据

bar_width = 0.25  # 适当调小宽度，为三组柱子留出空间
x_indexes = np.arange(len(categories))

# 计算三组柱子的横坐标
bars1_x = x_indexes - bar_width  # 向左偏移一个完整宽度
bars2_x = x_indexes             # 居中
bars3_x = x_indexes + bar_width  # 向右偏移一个完整宽度

plt.figure(figsize=(10, 6))
plt.bar(bars1_x, sales_q1, width=bar_width, color='tomato', label='第一季度')
plt.bar(bars2_x, sales_q2, width=bar_width, color='lightseagreen', label='第二季度')
plt.bar(bars3_x, sales_q3, width=bar_width, color='gold', label='第三季度')

plt.title('三组数据并排柱状图：季度销量对比')
plt.xlabel('产品类别')
plt.ylabel('销量')
plt.xticks(x_indexes, categories)
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

本章小结

本节我们掌握了数据可视化中两种最基础的图表——散点图和柱状图的绘制方法。散点图帮助我们洞察连续变量间的关联、聚类或异常，而柱状图则是比较分类数据大小的标准工具。通过Matplotlib提供的丰富参数，我们可以轻松控制图表的每一个视觉元素，从而制作出既专业又美观的数据图表。

📋 行动清单

• 练习散点图参数：尝试用一组数据，分别练习将s和c参数设置为标量（统一值）和数组（为每个点设置不同值），观察图形的变化。
• 复现并排柱状图：自己构造一组包含3个类别、2个分组的模拟数据，手动计算偏移坐标，成功绘制出清晰的并排柱状图。
• 探索样式库：访问一次Matplotlib官方文档中关于颜色和标记样式的页面，记住3-5个你喜欢的颜色名称和标记符号，以备将来使用。

—— 小象教研组