Matplotlib scatter(): 默认值size和marker shape介绍

在数据可视化中，Matplotlib是非常流行的一个Python库。其中的scatter()函数绘制散点图也是常用的方法之一。但是，对于散点图中的点的大小和形状可能存在疑问，本文将针对默认值为size和marker shape进行介绍。

scatter()函数详解

在Matplotlib中，scatter()函数是用来画散点图的，它的主要参数如下：

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

其中，x和y指定散点图中点的位置；s指定点的大小；c指定点的颜色；marker指定点的形状。此外，还可以指定cmap来决定颜色的映射方式，vmin和vmax设置c缩放，alpha设置点的透明度等等。

默认值size

当不指定点的大小时，scatter()函数默认的大小为20，如下所示：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
plt.scatter(x, y)
plt.show()

运行代码后，得到的散点图

我们发现，所有的散点的大小都是一致的，即默认大小20。但是，我们可以通过传入一个长度为n的数组，来为每一个点指定不同的大小。比如：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
sizes = np.random.randint(10, 50, size=50)  # 生成长度为50的随机数组，取值范围在10-50之间
plt.scatter(x, y, s=sizes)
plt.show()

运行代码后，得到的散点图

我们发现，不同大小的点之间存在明显的区别。这种区别在具有不同重要性的点的可视化中是非常有用的。

默认值marker shape

当不指定点的形状时，scatter()函数的默认形状是圆圈，即’marker’= ‘o’。比如:

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
plt.scatter(x, y)
plt.show()

我们发现，所有的散点的形状都是一致的。但是这并不妨碍我们自定义不同的形状。我们可以通过一些简单的方式，使点的形状不同。

比如：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)
markers = ['o', '*', '^', 's', 'd', 'x', 'p', '1', '2', '3', '4']  # 定义一个marker形状列表
for i in range(11):
    plt.scatter(x[i*5:(i+1)*5], y[i*5:(i+1)*5], marker=markers[i])  # 分别为11个点集指定不同的marker形状
plt.show()