散點圖可以顯示觀察數據的分布，描述數據的相關性，matlibplot也可以繪制散點圖，不過我一般優先使用seaborn庫的sctterplot()繪制，下面就介紹一下如何用seaborn.scatterplot()繪制散點圖。
1. sctterplot()參數說明
- x,y:輸入的繪圖數據，必須是數值型數據
- hue:對輸入數據進行分組的序列，使用不同顏色對各組的數據加以區分。下面是一個例子
ar=np.random.randn(20,4) df=pd.DataFrame(a,columns=['a','b','c','d']) df['e']=pd.Series(['one','one','one','one','one','one','two','two','two','two','two','two','two','two', 'three','three','three','three','three','three']) sns.scatterplot(df['a'],df['b'],hue=df['e'])
- size:對輸入數據進行分組的序列，使用不同點尺寸對各組的數據加以區分。下面是一個例子
#sns.scatterplot(df['a'],df['b'],size=df['e']) #左圖，沒有加上hue參數 sns.scatterplot(df['a'],df['b'],hue=df['e'],size=df['e']) #右圖，加上hue參數 
- style:對輸入數據進行分組的序列，使用不同點標記對各組的數據加以區分。下面是一個例子
sns.scatterplot(df['a'],df['b'],hue=df['e'],size=df['e'],style=df['e']) 
- data:pandas.DataFrame型參數，不能包含非數值型數據，否則會報錯。使用該參數的好處為下列兩種情況之一
#第一種情況，快捷的繪制DataFrame內每一列的數據 sns.scatterplot(data=df) #第二種情況，輸入繪圖的x,y變量時，可以寫簡單一點 sns.scatterplot('a','b',data=df)- palette：在對數據進行分組時，設置不同組數據的顯示顏色。hue參數使用的是默認的顏色，如果需要更多的顏色選項，則需要通過調色盤來設置，可以使用seaborn.color_palette()函數來設置顏色
- hue_order:在使用hue參數對數據進行分組時，可以通過該參數設置數據組的顯示順序，例如
num=np.random.randn(10,4) df=pd.DataFrame(num,columns=['a','b','c','d']) df['e']=pd.Series(list('xxxyyyzzzz')) sns.scatterplot('a','b',hue=df['e'],data=df,hue_order=['z','y','x'])- hue_norm:該參數的作用我暫時沒弄明白，先跳過
- sizes:當使用size參數、以不同尺寸顯示不同組數據時，可以通過sizes參數來設定具體的尺寸大小。該參數可以傳入一個尺寸序列，也可以傳入一個包含兩個元素的元祖，分別制定尺寸的上下限。
- size_order:和hue_order參數作用一樣，不過設置的是尺寸的顯示順序
- size_norm：和hue_norm參數一樣，沒有弄明白是什么意思
- markers:當使用style參數、以不同的標記顯示不同組數據時，可以通過該參數設置不同組數據的標記
- style_order:和hue_order參數作用一樣，不過設置的是標記的顯示順序
- {x,y}_bins：沒弄明白啥作用