以鸢尾花数据为例，python代码如何利用plot画散点图？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

本文以上一篇文章中获得鸢尾花数据集的每列数据为基础，分离出每列数据后，将利用这些数据基于python的plot画散点图出来。通过鸢尾花数据间的不同对比，试图找出一些数据间的规律。

大家好，这里是苏南大叔的程序如此灵动博客，记录苏南大叔的程序所学所想。本文测试环境：win10，python@3.11.0，pandas@1.5.3，numpy@1.24.2，matplotlib@3.7.1。本文的散点图仅仅是个最简单的例子，后续将继续进行完善。

获得每列数据

这里对获取数据，分离每列数据的代码快速带过，具体的解释，可以参考：

• https://newsn.net/say/python-iris.html

import pandas as pd
import numpy as np

data_url = "http://download.tensorflow.org/data/iris_training.csv"
# data_url = "iris.csv"
column_names = ["萼长", "萼宽", "瓣长", "瓣宽", "种类"]
df_iris = pd.read_csv(data_url, header=0, names=column_names)

column_0 = np.array(df_iris["萼长"])
column_1 = np.array(df_iris["萼宽"])
column_2 = np.array(df_iris["瓣长"])
column_3 = np.array(df_iris["瓣宽"])
column_4 = np.array(df_iris["种类"])

散点图数据来源和结论

分析的目的是对某两项表现项目进行分析，目前一共有四个项目维度（前四列数据）可以分析，分别是：

得出的结论是：
第五列数据鸢尾花种类（Iris Species)，分别是：山鸢尾、变色鸢尾和维吉尼亚鸢尾，'setosa'、'versicolor' 和 'virginica'。

画散点图【以前两列为坐标】

这里是以前两列数据（萼长/萼宽）为横纵坐标，画散点图的。(前四列数据任意两列组合，都可以画散点图)

data_x = column_0  # 换成其它列数据也行
data_y = column_1  # 换成其它列数据也行
data_z = column_4

data_z就是鸢尾花分类的ndarray一维数组，它里面一共有0/1/2三种取值，分别对应于cmap中的blue/red/green颜色设置，按照顺序一一对应。

import matplotlib.pyplot as plt
fig = plt.figure("iris data", figsize=(15, 15))
plt.title("Sepal Length * Sepal Width Graph")
plt.suptitle("the graph suptitle\nblue:setosa,red:versicolor,green:virginica")
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")
# plt.scatter(data_x, data_y)
q1 = plt.scatter(data_x, data_y, c=data_z, cmap="brg")
plt.show()

最终展示的这个图，并不是个通常意义上的图片，而是一个动态的组件程序，里面的各个子组件之间是可以根据实际情况进行动态调整的。那么，如何获得图片呢？除了点击这套程序界面下方的保存为图片的按钮外，还可以通过代码来获得一张截图，这个留作后文的伏笔。

这些参数都比较好理解，值得特别说明的是：

• 画布尺寸参数figsize的单位是英寸。
• scatter()的c和cmap，控制了散点的颜色。brg的意思就是blue/red/green。不传这两个参数的话，就统一显示默认的蓝色圆点。
• c参数会影响后续的legend()图例的显示功能。

相关链接

• https://newsn.net/say/pandas-dataframe.html
• https://newsn.net/say/pandas-dataframe-copy.html
• https://newsn.net/say/pandas-series-map.html

结束语

本文中仅仅画了一个最简单的散点图，横坐标是花萼的长度，纵坐标是花萼的宽度，使用了默认圆点的不同颜色来区分不同的鸢尾花种类。在后续的文章里面，将对这个散点图不断进行调整。

• https://newsn.net/tag/plot/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。