散點圖顯示兩組數據的值，如圖1-1所示。每個點的坐标位置由變量的值決定，并由一組不連接的點完成，用于觀察兩種變量的相關性。例如，身高—體重、溫度—維度。

使用Matplotlib的scatter函數繪制散點圖，其中x和y是相同長度的數組序列。scatter函數的一般用法為：

主要參數說明如下：

• x,y：數組。

• s：散點圖中點的大小，可選。

• c：散點圖中點的顔色，可選。

• marker：散點圖的形狀，可選。

• alpha：表示透明度，在 0~1 取值，可選。

• linewidths：表示線條粗細，可選。

示例：繪制身高—體重的散點圖

運行腳本輸出如圖1-2所示的圖形。

圖1-2 基本的散點圖

散點圖主要演示兩個變量的相關性：正相關、負相關、不相關。

示例：顯示y=2x 1的圖形

Matplotlib中最基礎的模塊是Pyplot, 下面從最簡單的線圖開始講解。例如，有一組數據，還有一個拟合模型，通過編寫代碼來實現數據與模型結果的可視化。

假設一個線性函數具有形式y=ax b, 自變量是x，因變量是y，y軸截距為b，斜率為a。

下面用簡單的數據來描述線性方程y=2x 1，代碼如下：

運行腳本輸出如圖2-2所示的圖形。

圖2-2 基本直線圖

在圖2-2中，使用線性方程y=2x 1畫出的是直線圖。如果想畫出曲線圖，則隻需更改線性方程為

，完整代碼如下：

運行腳本輸出如圖2-3所示的圖形。

圖2-3 曲線圖

直方圖由一系列高度不等的縱向條形組成，表示數據分布的情況。例如，某年級學生的身高分布情況，如圖4-1所示。

圖4-1 直方圖

直方圖與柱狀圖的區别有以下幾點：

1. 柱狀圖是用條形的長度表示各類别頻數的多少，其寬度（表示類别）是固定的，主要是展示不同類别的數據。

2. 直方圖是用面積表示各組頻數的多少，矩形的高度表示每一組的頻數 ( 或頻率 )，寬度則表示各組的組距，因此其高度與寬度均有意義。

3. 由于分組數據具有連續性，因此直方圖的各矩形通常是連續排列，而柱狀圖則是分開排列。

4. 柱狀圖主要用于展示分類型數據，而直方圖主要用于展示數據型數據。

使用Matplotlib的hist函數繪制直方圖，hist函數的一般用法為：

主要參數說明如下：

• bins：直方圖中箱子 (bin) 的總個數。個數越多，條形帶越緊密。

• color：箱子的顔色。

• normed：對數據進行正則化。決定直方圖y軸的取值是某個箱子中的元素的個數 (normed=False), 還是某個箱子中的元素的個數占總體的百分比 (normed=True)。

在介紹直方圖之前，先來了解什麼是正太分布。

正态分布也稱常态分布，是連續随機變量概率分布的一種，自然界、人類社會、心理和教育中的大量現象均按正态形式分布。例如，能力的高低、學生成績的好壞等都屬于正态分布。正态分布曲線呈鐘形，兩頭低，中間高，左右對稱。因其曲線呈鐘形，所以人們又經常稱之為鐘形曲線，如圖4-2所示。

圖4-2 正态分布的鐘形曲線

正态分布有兩個參數，即均值和标準差。均值是正态分布的位置參數，描述正态分布的集中趨勢位置。概率規律為：取與均值越近的值的概率越大，而取離均值越遠的值的概率越小。

标準差描述正态分布資料數據分布的離散程度，标準差越大，數據分布越分散；标準差越小，數據分布越集中。标準差也是正态分布的形狀參數，标準差越大，曲線越扁平；反之，标準差越小，曲線越瘦高。

繪制直方圖，需要使用NumPy的np.random.randn(N)函數，這個函數的作用就是從标準正态分布中返回N個樣本值。

示例：直方圖本例文件名為

“PythonFullStackChapter07mpl_hist01”

顯示直方圖。其完整代碼如下：

運行腳本輸出如圖4-3所示的圖形。

圖4-3 直方圖

如果你對 matplotlib 感興趣

推薦訂閱專欄《案例上手 Python 數據可視化》

掃碼試讀了解課程

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!