用Python繪製散點圖

一、背景介紹

散點圖是一種常見的數據可視化方式，在數據分析、機器學習等領域都有着廣泛的應用。Python作為一種強大的編程語言，本身就集成了各種繪圖庫，可以輕鬆地繪製各種類型的圖表，包括散點圖。

二、繪製簡單散點圖

首先，我們來看一下如何在Python中繪製一個簡單的散點圖。我們可以使用matplotlib庫，該庫是Python中最常用的數據可視化庫之一。下面是一個簡單的例子代碼：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [6, 7, 8, 9, 10]
plt.scatter(x, y)
plt.show()

運行此代碼，我們可以得到一張簡單的散點圖，如下所示：

三、自定義散點圖樣式

在上一個例子中，我們使用了默認的散點圖樣式。但是，當我們需要在實際的數據分析中，往往需要對散點圖的大小、顏色等進行自定義。下面是一個帶有不同顏色和大小的點的例子代碼：

import matplotlib.pyplot as plt
import numpy as np

x = [1, 2, 3, 4, 5]
y = [6, 7, 8, 9, 10]
colors = [0, 10, 20, 30, 40]  # 顏色列表
sizes = [20, 40, 60, 80, 100]  # 大小列表
plt.scatter(x, y, c=colors, s=sizes)
plt.colorbar()  # 顯示顏色條
plt.show()

運行此代碼，我們可以得到如下所示的散點圖：

從圖中我們可以看到，每個點的大小和顏色都不相同，這使得圖表更具有可讀性。

四、控制軸範圍和標籤

在實際應用中，往往需要對圖表的軸範圍和標籤進行控制，以更好地呈現數據。下面是一個控制軸範圍和標籤的例子代碼：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randint(1, 50, size=50)
y = np.random.randint(1, 50, size=50)

plt.scatter(x, y)
plt.xlim(0, 60)  # X軸範圍
plt.ylim(0, 60)  # Y軸範圍
plt.xlabel("X軸標籤")
plt.ylabel("Y軸標籤")
plt.title("散點圖示例")
plt.show()

運行此代碼，我們可以得到如下所示的散點圖，其中X軸和Y軸都有對應的標籤，軸範圍也被控制在了0~60之間：

五、實現交互式散點圖

最後，我們可以使用bokeh庫實現交互式散點圖。相比於靜態散點圖，交互式散點圖可以讓用戶自由地對數據進行探索和篩選。下面是一個使用bokeh庫繪製交互式散點圖的例子代碼：

from bokeh.plotting import figure, output_file, show
from bokeh.models import ColumnDataSource
import numpy as np

# 生成數據
x = np.random.randint(1, 50, size=50)
y = np.random.randint(1, 50, size=50)
colors = ["red" if i<30 else "blue" for i in range(len(x))]  # 顏色列表

# 創建ColumnDataSource對象
source = ColumnDataSource(data=dict(
    x=x,
    y=y,
    colors=colors,
))

# 定義繪圖屬性
p = figure(title="交互式散點圖示例", x_range=(0, 60), y_range=(0, 60))
p.circle('x', 'y', color='colors', legend_label='散點圖', source=source, size=10)

# 輸出文件
output_file("interactive-scatter.html")

# 顯示圖表
show(p)

運行此代碼，我們可以在默認瀏覽器中打開一個交互式散點圖，如下所示：

在這個圖表中，我們可以用鼠標懸停在每個散點上查看該點的詳細信息，並可以使用右上角的工具欄對圖表進行放大、縮小、保存等操作。

六、總結

本文介紹了Python中繪製散點圖的基本方法，並探討了如何自定義散點圖的樣式、控制軸範圍和標籤、以及如何使用bokeh庫實現交互式散點圖。散點圖作為一種常見的數據可視化方式，能夠直觀地呈現數據間的關係，對於數據分析和機器學習等領域有着廣泛的應用。