plt.scatter()画散点图
(matplotlib.pyplot.scatter)
x，y：大小为(n,)的数组，即绘制散点图的数据点，相当于x、y轴坐标。
s：一个实数或一个数组大小为(n,)。理解为散点的点的大小。
c：颜色。默认蓝色’b’。
marker：标记的样式，默认’o’。
cmap：仅当c是一个浮点数数组的时候才使用。
如果没有申明就是image.cmap
norm：将数据亮度转化到0-1之间，只有c是一个浮点数的数组的时候才使用。
如果没有申明，就是默认为colors.Normalize。
vmin,vmax：实数，当norm存在的时候忽略。用来进行亮度数据的归一化。
alpha：实数，0-1之间。
linewidths：标记点的长度。
sns.scatterplot() 画散点图
(seaborn.scatterplot)
x,y：输入的绘图数据。
hue：对输入数据进行分组的序列，将生成不同颜色来区分数据。
style:对输入数据进行分组的序列，将生成不同形状的点来区分数据。
size：对输入数据进行分组的序列，将根据数据值生成不同大小的点来区分数据。
data：pandas.DataFrame型的数值型数据。
palette：设置不同组数据的显示颜色（因为hue参数使用的是默认颜色），可以使用seaborn.color_paletta()函数完成相关操作。
hue_order：列表型。设置hue变量显示顺序（默认根据数据确定）。
hue_norm：
sizes：使用size时可以用此设定具体的大小。list dict(尺寸序列)或元组（尺寸上下限）。
size_order：设置尺寸显示顺序。
size_norm：
markers：使用style时可以用此设定具体的标记。
style_order：设置标记显示顺序。
x，y，hue，style，size这几个量的长度应该是一致的
具体案例：
以tip.csv数据为示范：
tips=sns.load_dataset("tips")
tips.head()
这一步出错的同学可以参考这篇：链接
1.1选取前两列数据
sns.scatterplot(data=tips, x="total_bill", y="tip")
1.2根据time列进行颜色区分
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
1.3根据time列进行标记区分
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", style="time")
1.4增加调色板，可以对比1.2
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", palette="deep")
1.5可以新增列数据
rate = tips.eval("tip / total_bill").rename("rate")
sns.scatterplot(data=tips, x="total_bill", y="tip", hue=rate)
（还可以添加sizes变量改变点的大小哦）
1.6改变标记形状
sns.scatterplot(data=tips, x="total_bill", y="tip", style="time", markers={"Lunch": "s", "Dinner": "X"})
Original: https://blog.csdn.net/qq_45822805/article/details/123958792
Author: 因为我是ZR
Title: python画散点图＜plt.scatter() 和sns.scatterplot()＞
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/676267/
转载文章受原作者版权保护。转载请注明原作者出处！