怎么使用python可视化分析绘制散点图和边界气泡图

这篇文章主要介绍“怎么使用python可视化分析绘制散点图和边界气泡图”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“怎么使用python可视化分析绘制散点图和边界气泡图”文章能帮助大家解决问题。

一、绘制散点图

实现功能：

python绘制散点图，展现两个变量间的关系，当数据包含多组时，使用不同颜色和形状区分。

实现代码：

import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings(action='once') plt.style.use('seaborn-whitegrid') sns.set_style("whitegrid") print(mpl.__version__) print(sns.__version__) def draw_scatter(file):     # Import dataset     midwest = pd.read_csv(file)     # Prepare Data     # Create as many colors as there are unique midwest['category']     categories = np.unique(midwest['category'])     colors = [plt.cm.Set1(i / float(len(categories) - 1)) for i in range(len(categories))]     # Draw Plot for Each Category     plt.figure(figsize=(10, 6), dpi=100, facecolor='w', edgecolor='k')     for i, category in enumerate(categories):         plt.scatter('area', 'poptotal', data=midwest.loc[midwest.category == category, :],s=20,c=colors[i],label=str(category))     # Decorations     plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000),)     plt.xticks(fontsize=10)     plt.yticks(fontsize=10)     plt.xlabel('Area', fontdict={'fontsize': 10})     plt.ylabel('Population', fontdict={'fontsize': 10})     plt.title("Scatterplot of Midwest Area vs Population", fontsize=12)     plt.legend(fontsize=10)     plt.show() draw_scatter("F:\数据杂坛\datasets\midwest_filter.csv")

实现效果：

二、绘制边界气泡图

实现功能：

气泡图是散点图中的一种类型，可以展现三个数值变量之间的关系，之前的文章介绍过一般的散点图都是反映两个数值型变量的关系，所以如果还想通过散点图添加第三个数值型变量的信息，一般可以使用气泡图。气泡图的实质就是通过第三个数值型变量控制每个散点的大小，点越大，代表的第三维数值越高，反之亦然。而边界气泡图则是在气泡图添加第四个类别型变量的信息，将一些重要的点选出来并连接。

实现代码：

import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings from scipy.spatial import ConvexHull warnings.filterwarnings(action='once') plt.style.use('seaborn-whitegrid') sns.set_style("whitegrid") print(mpl.__version__) print(sns.__version__) def draw_scatter(file):     # Step 1: Prepare Data     midwest = pd.read_csv(file)     # As many colors as there are unique midwest['category']     categories = np.unique(midwest['category'])     colors = [plt.cm.Set1(i / float(len(categories) - 1)) for i in range(len(categories))]     # Step 2: Draw Scatterplot with unique color for each category     fig = plt.figure(figsize=(10, 6), dpi=80, facecolor='w', edgecolor='k')     for i, category in enumerate(categories):         plt.scatter('area','poptotal',data=midwest.loc[midwest.category == category, :],s='dot_size',c=colors[i],label=str(category),edgecolors='black',linewidths=.5)     # Step 3: Encircling     # https://stackoverflow.com/questions/44575681/how-do-i-encircle-different-data-sets-in-scatter-plot     def encircle(x, y, ax=None, **kw):  # 定义encircle函数，圈出重点关注的点         if not ax: ax = plt.gca()         p = np.c_[x, y]         hull = ConvexHull(p)         poly = plt.Polygon(p[hull.vertices, :], **kw)         ax.add_patch(poly)     # Select data to be encircled     midwest_encircle_data1 = midwest.loc[midwest.state == 'IN', :]     encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="pink",fc="#74C476",alpha=0.3)     encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="g",fc="none",linewidth=1.5)     midwest_encircle_data6 = midwest.loc[midwest.state == 'WI', :]     encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="pink",fc="black",alpha=0.3)     encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="black",fc="none",linewidth=1.5,linestyle='--')     # Step 4: Decorations     plt.gca().set(xlim=(0.0, 0.1),ylim=(0, 90000),)     plt.xticks(fontsize=12)     plt.yticks(fontsize=12)     plt.xlabel('Area', fontdict={'fontsize': 14})     plt.ylabel('Population', fontdict={'fontsize': 14})     plt.title("Bubble Plot with Encircling", fontsize=14)     plt.legend(fontsize=10)     plt.show() draw_scatter("F:\数据杂坛\datasets\midwest_filter.csv")

实现效果：

关于“怎么使用python可视化分析绘制散点图和边界气泡图”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。