散点图

Matplotlib · 第 4 / 43 章

2026-10-12468 字约 1 分钟

散点scatter()

比 plot 多两个能力——每个点的大小可以不同（气泡图）、每个点的颜色可以不同并映射到色条。这两个能力让它能在一张二维图里塞进 4 个变量（x, y, size, color）

Python4 行

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

参数	含义	说明
`s`	点面积	标量或数组，单位 pt²；`s=100` 的直径约 10pt
`c`	点颜色	① 单个颜色 ② 颜色列表 ③ 数值数组（配合 `cmap` 做色条）
`cmap`	颜色映射	仅当 `c` 是数值时生效
`norm`	归一化方式	如 `matplotlib.colors.LogNorm()`
`vmin` / `vmax`	色阶两端	多图对比时务必固定
`marker`	标记形状	同上 `plot`
`alpha`	透明度	点重叠严重时 0.3~0.6
`linewidths`	点边框宽度	复数，与 `plot` 的 `linewidth` 不同
`edgecolors`	点边框颜色	复数；`"face"` 表示与填充同色，`"none"` 不画边框
`plotnonfinite`	是否绘制 nan/inf 点	默认 `False`（跳过）

简单的散点图示例：

Python9 行

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(100)
y = np.random.randn(100)

fig, ax = plt.subplots()
ax.scatter(x, y)
plt.show()

关于颜色

1.当c是单个颜色时，所有散点都会使用这一种颜色

Python4 行

x = np.random.rand(30)
y = np.random.rand(30)

plt.scatter(x, y, c='blue')

2.当c是颜色列表时，每个数据点使用列表中对应的颜色, 如果颜色列表长度小于数据数，会报错

Python6 行

x = np.random.rand(10)
y = np.random.rand(10)
colors = ['r', 'g', 'b', 'orange', 'purple',
          'cyan', 'magenta', 'yellow', 'brown', 'gray']

plt.scatter(x, y, c=colors, s=100, marker='D')

3.当c是数值数组时，会根据数值大小映射为颜色

Python6 行

x = np.random.rand(100)
y = np.random.rand(100)
values = np.random.rand(100)

sc = plt.scatter(x, y, c=values)
plt.colorbar(sc)

4.当c是分类变量时

Python8 行

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
labels = np.random.randint(0, 3, size=50)
sc = plt.scatter(x, y, c=labels, cmap='tab10')
plt.colorbar(sc)

颜色映射

1.使用不同的cmp

Python14 行

np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)

fig, axes = plt.subplots(1, 4, figsize=(16, 3))
cmap_list = ['viridis', 'plasma', 'coolwarm', 'gray']

for ax, cmap in zip(axes, cmap_list):
    sc = ax.scatter(x, y, c=x, cmap=cmap, s=50)
    ax.set_title(cmap)
    ax.set_xticks([]); ax.set_yticks([])
    plt.colorbar(sc, ax=ax, label='x')

plt.tight_layout()

2.使用自定义颜色列表

Python11 行

import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

# 自定义颜色列表
colors = ['#1f77b4', '#17becf', '#98df8a', '#ff7f0e', '#d62728']
cmap_custom = LinearSegmentedColormap.from_list('custom', colors, N=256)

x = np.random.rand(100)
y = np.random.rand(100)
sc = plt.scatter(x, y, c=x, cmap=cmap_custom, s=50)
plt.colorbar(sc, label='x')

感知机二分类

Python22 行


import numpy as np
import matplotlib.pyplot as plt

X = np.array([
    [1, 2], [2, 3], [3, 2],
    [2, 1], [4, 4], [3, 4]
])

y = np.array([1, 1, 1, -1, -1, -1])

plt.scatter(X[y == 1, 0], X[y == 1, 1],
            marker='o', label='+1')

plt.scatter(X[y == -1, 0], X[y == -1, 1],
            marker='s', label='-1')

plt.xlabel('$x_1$')
plt.ylabel('$x_2$')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

4.多分类

Python13 行


markers = {0: 'o', 1: 's', 2: '^'}

for label in np.unique(y):
    plt.scatter(
        X[y == label, 0],
        X[y == label, 1],
        marker=markers[label],
        label=f'Class {label}'
    )

plt.legend()
plt.show()

3.各种colormap

点击查看

Python52 行

import matplotlib.pyplot as plt
import numpy as np

cmaps = [('Perceptually Uniform Sequential', [
            'viridis', 'plasma', 'inferno', 'magma', 'cividis']),
         ('Sequential', [
            'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
            'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
            'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']),
         ('Sequential (2)', [
            'gray', 'bone', 'pink', 'spring', 'summer', 'autumn', 'winter',
            'cool', 'Wistia', 'hot', 'afmhot', 'gist_heat', 'copper']),
         ('Diverging', [
            'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
            'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic',
            'berlin', 'managua', 'vanimo']),
         ('Cyclic', ['twilight', 'twilight_shifted', 'hsv']),
         ('Qualitative', [
            'Pastel1', 'Pastel2', 'Paired', 'Accent', 'okabe_ito',
            'Dark2', 'Set1', 'Set2', 'Set3',
            'tab10', 'tab20', 'tab20b', 'tab20c']),
         ('Miscellaneous', [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral',
            'gist_ncar'])]

gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))


def plot_color_gradients(cmap_category, cmap_list):
    # Create figure and adjust figure height to number of colormaps
    nrows = len(cmap_list)
    figh = 0.35 + 0.15 + (nrows + (nrows-1)*0.1)*0.22
    fig, axs = plt.subplots(nrows=nrows, figsize=(6.4, figh))
    fig.subplots_adjust(top=1-.35/figh, bottom=.15/figh, left=0.2, right=0.99)

    axs[0].set_title(f"{cmap_category} colormaps", fontsize=14)

    for ax, cmap_name in zip(axs, cmap_list):
        ax.imshow(gradient, aspect='auto', cmap=cmap_name)
        ax.text(-.01, .5, cmap_name, va='center', ha='right', fontsize=10,
                transform=ax.transAxes)

    # Turn off *all* ticks & spines, not just the ones with colormaps.
    for ax in axs:
        ax.set_axis_off()


for cmap_category, cmap_list in cmaps:
    plot_color_gradients(cmap_category, cmap_list)

版本

上面这份清单是按 matplotlib 3.11 的内置 colormap 抄的。其中 okabe_ito（无障碍色序）是 3.11 才新增的，3.10 及以前跑这段会在 cmap='okabe_ito' 处抛 ValueError: 'okabe_ito' is not a valid value for cmap —— 删掉那一项即可。

vmin/vmax

通过设置vmin/vmax，可以手动指定颜色映射的数值范围，即使数据的实际范围超出了该范围，也会被限制在[vmin,vmax]

关于vmax/vmin的说明

多图对比时推荐使用

关于edgecolors和linewidths说明