Fonction scatter() de Matplotlib


Matplotlib 参考文档Documentation de référence de Matplotlib

scatter()Utilisé pour tracer des diagrammes de dispersion, chaque point de données peut définir indépendamment sa taille, sa couleur et sa transparence.

Contrairement à plot(), scatter() permet à chaque point d'avoir des attributs d'apparence différents, ce qui le rend adapté à l'affichage de la relation de distribution de données tridimensionnelles ou quadridimensionnelles.

Définition de fonction

Interface pyplot

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker='o', cmap=None,
    norm=None, vmin=None, vmax=None, alpha=None, linewidths=None,
    edgecolors=None, **kwargs)

Interface Axes

Axes.scatter(x, y, s=None, c=None, marker='o', cmap=None, norm=None,
    vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None,
    **kwargs)

Description du paramètre

ParamètreTypeDescription
x, yde type tableauLes coordonnées x et y des points de données (obligatoires)
sfloat ou array-likeLa taille des points, peut être un scalaire (tous les points identiques) ou un tableau (chaque point de taille différente)
ccouleur ou de type tableauLa couleur des points, peut être une couleur fixe ou un tableau numérique (utilisé avec cmap pour mapper les couleurs)
markerstrForme du marqueur : 'o' (cercle), 's' (carré), '^' (triangle vers le haut), 'v' (triangle vers le bas), 'D' (losange), '*' (étoile), '+' (plus), 'x' (croix), etc., la valeur par défaut est 'o'
cmapstr ou ColormapMappage de couleurs, utilisé lorsque c est un tableau numérique, comme 'viridis', 'plasma'
normNormalizeLa méthode de normalisation pour mapper les données aux couleurs
vmin, vmaxfloatLa plage de données pour le mappage des couleurs ; les points en dehors de la plage seront tronqués
alphafloat ou array-likeTransparence, entre 0-1
linewidthsfloat ou array-likeLargeur de ligne du bord du point
edgecolorscouleur ou de type tableauCouleur de bord du point, 'face' utilise la couleur de remplissage, 'none' signifie aucun bord
labelstrLibellé de légende

Le principal avantage de scatter() est ques、c、alphail peut s'agir de tableaux de même longueur que x/y, ce qui permet à un seul nuage de points d'afficher 3-4 dimensions d'informations de données en même temps.


Exemples d'utilisation

Exemple 1 : Nuage de points de base

Exemple

import matplotlib.pyplot as plt
import numpy as np

# Générer des données aléatoires
np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)

fig, ax = plt.subplots(layout='constrained')

ax.scatter(x, y, color='steelblue', edgecolors='white',
           linewidth=0.5, s=80)
ax.set_title('Nuage de points de base')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.grid(True, alpha=0.3)
plt.show()

Exemple 2 : Taille et couleur variables (Affichage de données multidimensionnelles)

Exemple

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
n = 100

# Quatre dimensions de données
x = np.random.rand(n) * 10           # Dimension 1 : coordonnée x
y = np.random.rand(n) * 10           # Dimension 2 : coordonnée y
colors = np.random.rand(n) * 100     # Dimension 3 : couleur (numérique)
sizes = np.random.rand(n) * 300      # Dimension 4 : taille
alpha_values = np.random.rand(n) * 0.7 + 0.3  # Dimension 5 : transparence

fig, ax = plt.subplots(figsize=(8, 6), layout='constrained')

scatter = ax.scatter(x, y,
                     c=colors,           # La couleur change avec les données
                     s=sizes,            # La taille change avec les données
                     alpha=0.6,          # Transparence fixe
                     cmap='viridis',     # Mappage des couleurs
                     edgecolors='white',
                     linewidth=0.5)

# Ajouter une barre de couleur
cbar = fig.colorbar(scatter, ax=ax)
cbar.set_label('Valeur de couleur')

ax.set_title('Diagramme de dispersion multidimensionnel')
ax.set_xlabel('Coordonnée X')
ax.set_ylabel('Coordonnée Y')
ax.grid(True, alpha=0.2)
plt.show()

Exemple 3 : Comparaison de plusieurs groupes de nuages de points

Exemple

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)

# Générer trois groupes de données avec des distributions différentes
group1_x = np.random.normal(2, 0.5, 100)
group1_y = np.random.normal(2, 0.5, 100)

group2_x = np.random.normal(6, 0.5, 100)
group2_y = np.random.normal(6, 0.5, 100)

group3_x = np.random.normal(4, 1.0, 100)
group3_y = np.random.normal(4, 1.0, 100)

fig, ax = plt.subplots(figsize=(8, 6), layout='constrained')

# Chaque groupe utilise une couleur et un marqueur différents
ax.scatter(group1_x, group1_y, c='#e74c3c', marker='o',
           s=60, label='Groupe A (groupe compact)')
ax.scatter(group2_x, group2_y, c='#2E7DCC', marker='s',
           s=60, label='Groupe B (groupe compact)')
ax.scatter(group3_x, group3_y, c='#3498db', marker='^',
           s=60, label='Groupe C (groupe dispersé)')

ax.set_title('Comparaison de nuages de points multi-groupes')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.legend()
ax.grid(True, alpha=0.2)
plt.show()

Exemple 4 : Nuage de points avec barre de couleurs (diagramme à bulles)

Exemple

import matplotlib.pyplot as plt
import numpy as np

# Données simulées : population, PIB et région de différentes villes
np.random.seed(42)
n = 30
population = np.random.randint(50, 500, n)    # Population (détermine la taille des bulles)
gdp = np.random.randint(100, 1000, n)         # PIB (détermine l'intensité de la couleur)
region = np.random.choice(['Nord', 'Sud', 'Est', 'Ouest'], n)
x = np.random.rand(n) * 100
y = np.random.rand(n) * 100

fig, ax = plt.subplots(figsize=(9, 6), layout='constrained')

scatter = ax.scatter(x, y,
                     s=population,            # Taille de la bulle = population
                     c=gdp,                   # Couleur de la bulle = PIB
                     cmap='YlOrRd',           # Mappage de couleurs jaune-orange-rouge
                     alpha=0.7,
                     edgecolors='gray',
                     linewidth=0.5)

ax.set_title('Diagramme à bulles : population des villes vs PIB')
ax.set_xlabel('Coordonnée X')
ax.set_ylabel('Coordonnée Y')

# Ajouter une barre de couleurs, étiquetée PIB
cbar = fig.colorbar(scatter, ax=ax, label='PIB')
ax.grid(True, alpha=0.2)
plt.show()

Questions fréquentes

Quelle est la différence entre scatter() et plot() ?

plot()Adapté aux graphiques en courbes, tous les points partagent la même couleur et le même style de marqueur, avec une grande efficacité de rendu.

scatter()Adapté aux diagrammes de dispersion, chaque point peut définir indépendamment sa taille et sa couleur, mais chaque point est un Artist indépendant, ce qui le rend plus lent avec de grandes quantités de données.

Lorsqu'il y a beaucoup de points de données (des dizaines de milliers ou plus), privilégiez plot() avec un marqueur spécifié pour améliorer les performances.

Quelle est l'unité du paramètre s ?

sIl représente l'aire du point (unité : points carrés, points^2), et non le diamètre.

Par exemples=100ets=400, ce dernier a 4 fois l'aire du premier, et le diamètre est environ 2 fois celui du premier.


Matplotlib 参考文档Documentation de référence de Matplotlib

Autres extensions