Функция scatter() в Matplotlib


Matplotlib 参考文档Справочная документация Matplotlib

scatter()Используется для построения диаграмм рассеяния; для каждой точки данных можно независимо задать размер, цвет и прозрачность.

В отличие от plot(), scatter() позволяет каждой точке иметь различные атрибуты внешнего вида, что делает его подходящим для отображения распределения и взаимосвязей трёхмерных или четырёхмерных данных.

Определение функции

Интерфейс 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)

Интерфейс 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)

Описание параметра

ПараметрTypeОписание
x, yмассивоподобныйКоординаты x и y точек данных (обязательно)
sfloat или array-likeРазмер точек; может быть скаляром (все точки одинакового размера) или массивом (каждая точка разного размера)
ccolor или array-likeЦвет точек; может быть фиксированным цветом или числовым массивом (используется с cmap для сопоставления цветов)
markerstrФорма маркера: 'o' (круг), 's' (квадрат), '^' (треугольник вершиной вверх), 'v' (треугольник вершиной вниз), 'D' (ромб), '*' (звезда), '+' (плюс), 'x' (крест) и т. д., по умолчанию 'o'
cmapstr или ColormapСопоставление цветов, используется, когда c — числовой массив, например 'viridis', 'plasma'
normNormalizeМетод нормализации для сопоставления данных с цветами
vmin, vmaxfloatДиапазон данных для сопоставления цветов; точки вне диапазона будут обрезаны
альфаfloat или array-likeПрозрачность, от 0 до 1
linewidthsfloat или array-likeШирина линии границы точки
edgecolorscolor или array-likeЦвет границы точки, 'face' использует цвет заливки, 'none' означает отсутствие границы
labelstrМетка легенды

Основное преимущество scatter() заключается в том, чтоs、c、alphaэто могут быть массивы той же длины, что и x/y, что позволяет одной диаграмме рассеяния отображать 3-4 измерения данных одновременно.


Примеры использования

Пример 1: Базовая диаграмма рассеяния

Пример

import matplotlib.pyplot as plt
import numpy as np

# Сгенерировать случайные данные
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('Базовая диаграмма рассеяния')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.grid(True, alpha=0.3)
plt.show()

Пример 2: Изменение размера и цвета (отображение многомерных данных)

Пример

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
n = 100

# Четыре измерения данных
x = np.random.rand(n) * 10           # Измерение 1: координата x
y = np.random.rand(n) * 10           # Измерение 2: координата y
colors = np.random.rand(n) * 100     # Измерение 3: цвет (числовой)
sizes = np.random.rand(n) * 300      # Измерение 4: размер
alpha_values = np.random.rand(n) * 0.7 + 0.3  # Измерение 5: прозрачность

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

scatter = ax.scatter(x, y,
                     c=colors,           # Цвет изменяется в зависимости от данных
                     s=sizes,            # Размер изменяется в зависимости от данных
                     alpha=0.6,          # Фиксированная прозрачность
                     cmap='viridis',     # Цветовая карта
                     edgecolors='white',
                     linewidth=0.5)

# Добавить цветовую шкалу
cbar = fig.colorbar(scatter, ax=ax)
cbar.set_label('Значение цвета')

ax.set_title('Многомерная диаграмма рассеяния')
ax.set_xlabel('Координата X')
ax.set_ylabel('Координата Y')
ax.grid(True, alpha=0.2)
plt.show()

Пример 3: Сравнение нескольких групп рассеяния

Пример

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)

# Сгенерировать три группы данных с различными распределениями
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')

# Каждая группа использует свой цвет и маркер
ax.scatter(group1_x, group1_y, c='#e74c3c', marker='o',
           s=60, label='Группа A (плотный кластер)')
ax.scatter(group2_x, group2_y, c='#2E7DCC', marker='s',
           s=60, label='Группа B (плотный кластер)')
ax.scatter(group3_x, group3_y, c='#3498db', marker='^',
           s=60, label='Группа C (разбросанный кластер)')

ax.set_title('Сравнение диаграмм рассеяния для нескольких групп')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.legend()
ax.grid(True, alpha=0.2)
plt.show()

Пример 4: диаграмма рассеяния с цветовой шкалой (пузырьковая диаграмма)

Пример

import matplotlib.pyplot as plt
import numpy as np

# Смоделированные данные: население, ВВП и регион разных городов
np.random.seed(42)
n = 30
population = np.random.randint(50, 500, n)    # Население (определяет размер пузырька)
gdp = np.random.randint(100, 1000, n)         # ВВП (определяет интенсивность цвета)
region = np.random.choice(['Север', 'Юг', 'Восток', 'Запад'], 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,            # Размер пузырька = population
                     c=gdp,                   # Цвет пузырька = ВВП
                     cmap='YlOrRd',           # Жёлто-оранжево-красное сопоставление цветов
                     альфа=0.7,
                     edgecolors='gray',
                     linewidth=0.5)

ax.set_title('Диаграмма пузырьков: население города и ВВП')
ax.set_xlabel('Координата X')
ax.set_ylabel('Координата Y')

# Добавить цветовую шкалу с подписью ВВП
cbar = fig.colorbar(scatter, ax=ax, label='ВВП')
ax.grid(True, alpha=0.2)
plt.show()

Часто задаваемые вопросы

В чём разница между scatter() и plot()?

plot()Подходит для линейных графиков: все точки имеют одинаковый цвет и стиль маркера, высокая скорость отрисовки.

scatter()Подходит для диаграмм рассеяния: каждая точка может независимо задавать размер и цвет, но каждая точка — это отдельный Artist, что замедляет работу при больших объёмах данных.

Когда точек данных много (десятки тысяч или больше), отдавайте предпочтение plot() с указанным marker для повышения производительности.

Какова единица измерения параметра s?

sОн представляет площадь точки (единица измерения: квадратные точки, points^2), а не диаметр.

Напримерs=100иs=400, последний имеет в 4 раза большую площадь, чем первый, а диаметр примерно в 2 раза больше, чем у первого.


Matplotlib 参考文档Справочная документация Matplotlib

Другие расширения