一、散点图概述
散点图是一种以点的位置为坐标，以变量的值为数据的图表形式，用于观察两个变量之间的关系是否存在某种模式、趋势或异常值。在数据科学领域，散点图经常用于探索性数据分析和建模。
二、Python绘制散点图
1. 准备数据
使用Python绘制散点图需要先准备好数据，这里以一个简单的例子说明：
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.scatter(x, y) plt.show()
上面的代码中，我们准备了两个数据序列x和y，然后使用plt.scatter函数绘制散点图，并使用plt.show函数显示图表。
2. 设置图表属性
虽然上面的代码能够生成散点图，但该图表缺少一些必要的属性，例如X、Y轴标签和图表标题等。下面我们来添加这些属性：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y)
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Scatter Plot')
plt.show()
通过给X、Y轴分别添加标签和设置标题，我们使图表更加清晰易懂。
3. 使用样式和颜色
通过指定样式和颜色，我们可以使散点图更加美观。例如下面的代码添加了大小、颜色、标记形状等属性：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y, s=100, c='r', marker='o')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Scatter Plot')
plt.show()
上面的代码中，我们使用参数s设置点的大小，参数c设置点的颜色，参数marker设置标记形状，其中'r'表示红色，'o'表示一个圆形的标记。
4. 绘制多组数据
在实际的数据分析中，我们可能需要同时绘制多组数据，以便比较不同数据之间的关系。下面的代码演示了如何同时绘制两组数据：
import matplotlib.pyplot as plt
x1 = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
x2 = [1, 2, 3, 4, 5]
y2 = [1, 3, 5, 7, 9]
plt.scatter(x1, y1, s=100, c='r', marker='o', label='Group 1')
plt.scatter(x2, y2, s=100, c='b', marker='x', label='Group 2')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Scatter Plot')
plt.legend()
plt.show()
上面的代码中，我们使用plt.scatter函数分别绘制两组数据，通过参数label设置每组数据的标签，然后使用plt.legend函数将标签放在图表的右上角。
三、总结
Python是数据科学领域最流行的编程语言之一，也是绘制散点图的一种很好的工具。通过本文，我们学习了如何使用Python绘制散点图，从基本的绘制到图表属性的设置，再到多组数据的绘制，让我们对散点图制作有了更深入的理解。
