关系（五）利用python绘制连接散点图

HsuHeinrich

发布于 2024-04-30 18:42:25

2280

发布于 2024-04-30 18:42:25

文章被收录于专栏：HsuHeinrich

关系（五）利用python绘制连接散点图

连接散点图（Connected Scatterplot）简介

连接散点图（点线图）是折线图的一种，与散点图类似。但添加了按数据点出现顺序的连线，以此来表示两个变量的顺序关系。因此连接散点图既能分析相关性，也可分析趋势性。

快速绘制

基于seaborn

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(0)

# 自定义数据
df = pd.DataFrame({
      'x': range(1,10),
      'y': np.random.randn(9)*80+range(1,10)
  })
    
# 利用lineplot快速绘制连接散点图
sns.lineplot(x='x',
             y='y',
             data=df,
             marker='o'
            )

plt.show()

基于matplotlib

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
np.random.seed(0)

# 自定义数据
df = pd.DataFrame({
      'x': range(1,10),
      'y': np.random.randn(9)*80+range(1,10)
  })

# 利用plot快速绘制连接散点图
plt.plot(df['x'], df['y'], linestyle='-', marker='o')

plt.show()

定制多样化的连接散点图

自定义连接散点图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

通过seaborn绘制多样化的连接散点图

seaborn主要利用lineplot绘制连接散点图，可以通过seaborn.lineplot[1]了解更多用法

import seaborn as sns
import matplotlib.pyplot as plt

# 自定义数据
x = [1, 2, 3, 4, 5]
y = [5, 3, 7, 4, 8]

# 初始化布局
plt.figure(figsize=(6, 4))

# 带圆圈标记的实线
sns.lineplot(x=x, y=y, linestyle='-', marker='o', markersize=8, label='Solid Line', color='blue') 

# 带方形标记的虚线
sns.lineplot(x=x, y=[i + 1 for i in y], linestyle='--', marker='s', markersize=8, label='Dashed Line', color='green') 

# 带有向上三角形标记的点划线
sns.lineplot(x=x, y=[i + 2 for i in y], linestyle='-.', marker='^', markersize=20, label='Dash-dot Line', color='purple') 

plt.legend(loc='upper left')
plt.show()

通过matplotlib绘制多样化的连接散点图

matplotlib主要利用plot绘制连接散点图，可以通过matplotlib.pyplot.plot[2]了解更多用法

自定义连接散点图

import matplotlib.pyplot as plt

# 自定义数据
x = [1, 2, 3, 4, 5]
y = [5, 3, 7, 4, 8]

# 初始化布局
plt.figure(figsize=(6, 4))

# 带圆圈标记的实线
plt.plot(x, y, linestyle="-", marker="o", markersize=8, label='Solid Line', color='blue')

# 带方形标记的虚线
plt.plot(x, [i + 1 for i in y], linestyle='--', marker='s', markersize=8, label='Dashed Line', color='green') 

# 带有向上三角形标记的点划线
plt.plot(x, [i + 2 for i in y], linestyle='-.', marker='^', markersize=20, label='Dash-dot Line', color='purple') 

plt.legend(loc='upper left')
plt.show()

绘制多个变量的演变过程

import pandas as pd
import matplotlib.pyplot as plt

# 导入数据
df = pd.read_csv("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/5_OneCatSevNumOrdered.csv")

# 数据清洗
df = df.loc[(df.name=="Ashley") | (df.name=="Amanda")]
df = df.loc[(df.sex=="F") & (df.year>1970)]
df = pd.pivot_table(df, values='n', index=['year'], columns=['name'])

df.head()

# 初始化布局
plt.figure(figsize=(10, 10))

# 连接散点图
plt.plot(df.Amanda, df.Ashley, '-', marker='o')

# 为每个点添加年份（避免过度堆积，每隔三个点添加年份）
for line in range(0, df.shape[0], 3):
     plt.annotate(
          df.index[line], 
          (df.Amanda.iloc[line], df.Ashley.iloc[line]+300 ) ,
          va='bottom',
          ha='center'
     )
        
# 添加轴标签
plt.xlabel('Amanda')
plt.ylabel('Ashley')


plt.show()