散点图和折线图需要的数组非常相似，区别是折线图会将各数据点连接起来；而散点图则只是描绘各数据点，并不会将这些数据点连接起来。
调用 Matplotlib 的scatter()函数来绘制散点图，该函数支持如下常用参数：
x：指定 X 轴数据。
y：指定 Y 轴数据。
s：指定散点的大小。
c：指定散点的颜色。
alpha：指定散点的透明度。
linewidths：指定散点边框线的宽度。
edgecolors：指定散点边框的颜色。
marker：指定散点的图形样式。应参数支持'.'(点标记)、','(像素标记)、'o'(圆形标记)、'v'(向下三角形标记)、'^'(向上三角形标记)、''(向右三角形标记)、'1'(向下三叉标记)、'2'(向上三叉标记)、'3'(向左三叉标记)、'4'(向右三叉标记)、's'(正方形标记)、'p'(五地形标记)、'*'(星形标记)、'h'(八边形标记)、'H'(另一种八边形标记)、'+'(加号标记)、'x'(x标记)、'D'(菱形标记)、'd'(尖菱形标记)、'|'(竖线标记)、'_'(横线标记)等值。
cmap：指定散点的颜色映射，会使用不同的颜色来区分散点的值。
下面程序示范了如何使用 scatter() 函数来绘制散点图：
import matplotlib.pyplot as plt import numpy as np plt.figure() # 定义从-pi到pi之间的数据，平均取64个数据点 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) # ① # 将整个figure分成两行两列，第三个参数表示该图形放在第1个网格 # 沿着正弦曲线绘制散点图 plt.scatter(x_data, np.sin(x_data), c='purple', # 设置点的颜色 s=50, # 设置点半径 alpha = 0.5, # 设置透明度 marker='p', # 设置使用五边形标记 linewidths=1, # 设置边框的线宽 edgecolors=['green', 'yellow']) # 设置边框的颜色 # 绘制第二个散点图(只包含一个起点)，突出起点 plt.scatter(x_data[0], np.sin(x_data)[0], c='red', # 设置点的颜色 s=150, # 设置点半径 alpha = 1) # 设置透明度 # 绘制第三个散点图(只包含一个结束点)，突出结束点 plt.scatter(x_data[63], np.sin(x_data)[63], c='black', # 设置点的颜色 s=150, # 设置点半径 alpha = 1) # 设置透明度 plt.gca().spines['right'].set_color('none') plt.gca().spines['top'].set_color('none') plt.gca().spines['bottom'].set_position(('data', 0)) plt.gca().spines['left'].set_position(('data', 0)) plt.title('正弦曲线的散点图') plt.show()
上面程序使用 numpy 中的 linespace() 函数创建了一个列表作为 X 轴数据，程序使用 np.sin() 函数计算一系列 sin 值作为 Y 轴数据。程序中第 9 行代码负责生成一个散点图，该散点图包含 64 个数据点。
此外，程序在第 9 行代码之后还调用了两次 scatter() 函数，这意味将会叠加两个散点图。后面两次绘制散点图的代码分别用于绘制 x_data、sin(x+data) 的第一个点和最后一个点，这样即可突出显示散点图的起点和结束点。
运行上面程序，可以看到如图 1 所示的效果。
图 1 Matplotlib scatter绘制散点图
