Python數據可視化：5段代碼搞定散點圖繪製與使用，值得收藏

• 2019 年 12 月 19 日
• 筆記

導讀：什麼是散點圖？可以用來呈現哪些數據關係？在數據分析過程中可以解決哪些問題？怎樣用Python繪製散點圖？本文逐一為你解答。

作者：屈希峰

來源：大數據DT（ID：bigdatadt）

01 概述

散點圖（Scatter）又稱散點分佈圖，是以一個變量為橫坐標，另一個變量為縱坐標，利用散點（坐標點）的分佈形態反映變量統計關係的一種圖形。

特點是能直觀表現出影響因素和預測對象之間的總體關係趨勢。優點是能通過直觀醒目的圖形方式反映變量間關係的變化形態，以便決定用何種數學表達方式來模擬變量之間的關係。散點圖不僅可傳遞變量間關係類型的信息，還能反映變量間關係的明確程度。

通過觀察散點圖數據點的分佈情況，我們可以推斷出變量間的相關性。如果變量之間不存在相互關係，那麼在散點圖上就會表現為隨機分佈的離散的點，如果存在某種相關性，那麼大部分的數據點就會相對密集並以某種趨勢呈現。

數據的相關關係大體上可以分為：正相關（兩個變量值同時增長）、負相關（一個變量值增加，另一個變量值下降）、不相關、線性相關、指數相關等，表現在散點圖上的大致分佈如圖1所示。那些離點集群較遠的點我們稱之為離群點或者異常點。

▲圖1 散點數據的相關性

在Python體系中，可使用Scipy、Statsmodels或Sklearn等對離散點進行回歸分析，歸納現有數據並進行預測分析。對於那些變量之間存在密切關係，但是這些關係又不像數學公式和物理公式那樣能夠精確表達的，散點圖是一種很好的圖形工具，可以進行直觀展示，如圖2所示。

▲圖2 散點數據擬合（線性）

但是在分析過程中需要注意，變量之間的相關性並不等同於確定的因果關係，仍需要考慮其他影響因素。

02 實例

散點圖代碼示例如下所示。

代碼示例①

# 數據  x = [1, 2, 3, 4, 5]  y = [6, 7, 2, 4, 5]  # 畫布：尺寸  p = figure(plot_width=400, plot_height=400)  # 畫圖  p.scatter(x, y,            size=20, # screen units  顯示器像素單位  #           radius=1,  # data-space units  坐標軸單位            marker="circle", color="navy", alpha=0.5)  # p.circle(x, y, size=20, color="navy", alpha=0.5)  # 顯示  show(p)  

運行結果如圖3所示。

▲圖3 代碼示例①運行結果

代碼示例①中第7行使用scatter方法進行散點圖繪製；第11行採用circle方法進行散點圖繪製（推薦）。關於這兩個方法的參數說明如下。

p.circle(x, y, **kwargs)參數說明。

• x (str or seq[float]) : 離散點的x坐標，列名或列表
• y (str or seq[float]) : 離散點的y坐標
• size (str or list[float]) : 離散點的大小，屏幕像素單位
• marker (str, or list[str]) : 離散點標記類型名稱或名稱列表
• color (color value, optional) : 填充及輪廓線的顏色
• source (`~bokeh.models.sources.ColumnDataSource`) : Bokeh專屬數據格式
• **kwargs: 其他自定義屬性；其中標記點類型marker默認值為：「marker="circle"」，可以用「radius」定義圓的半徑大小（單位為坐標軸單位）。這在Web數據化中非常有用，不同的方式，在不同的設備上的展示效果會有些許差異。

p.scatter(x, y, **kwargs)參數說明。

• x (:class:`~bokeh.core.properties.NumberSpec` ) : x坐標
• y (:class:`~bokeh.core.properties.NumberSpec` ) : y坐標
• angle (:class:`~bokeh.core.properties.AngleSpec` ) : 旋轉角度
• angle_units (:class:`~bokeh.core.enums.AngleUnits`) : (default: 'rad') 默認：弧度，也可以採用度（'degree'）
• fill_alpha (:class:`~bokeh.core.properties.NumberSpec` ) : (default: 1.0) 填充透明度，默認：不透明
• fill_color (:class:`~bokeh.core.properties.ColorSpec` ) : (default: 'gray') 填充顏色，默認：灰色
• line_alpha (:class:`~bokeh.core.properties.NumberSpec` ) : (default: 1.0) 輪廓線透明度，默認：不透明
• line_cap : (:class:`~bokeh.core.enums.LineCap` ) : (default: 'butt') 線端（帽）
• line_color (:class:`~bokeh.core.properties.ColorSpec` ) : (default: 'black') 輪廓線顏色，默認：黑色
• line_dash (:class:`~bokeh.core.properties.DashPattern` ) : (default: []) 虛線
• line_dash_offset (:class:`~bokeh.core.properties.Int` ) : (default: 0) 虛線偏移
• line_join (:class:`~bokeh.core.enums.LineJoin` ) : (default: 'bevel')
• line_width (:class:`~bokeh.core.properties.NumberSpec` ) : (default: 1) 線寬，默認：1

另外，Bokeh中的一些屬性，如`~bokeh.core.properties.NumberSpec `、`~bokeh.core.properties.ColorSpec`可以在Jupyter notebook中通過`import bokeh.core.properties.NumberSpec `導入該屬性，然後再查看其詳細的使用說明。

代碼示例②

# 數據  N = 4000  x = np.random.random(size=N) * 100  # 隨機點x坐標  y = np.random.random(size=N) * 100  # 隨機點y坐標  radii = np.random.random(size=N) * 1.5  # 隨機半徑  # 工具條  TOOLS="hover,crosshair,pan,wheel_zoom,box_zoom,reset,tap,save,box_select,poly_select,lasso_select"  # RGB顏色，畫布1，繪圖1  colors2 = ["#%02x%02x%02x" % (int(r), int(g), 150) for r, g in zip(50+2*x, 30+2*y)]  p1 = figure(width=300, height=300, tools=TOOLS)  p1.scatter(x,y, radius=radii, fill_color=colors2, fill_alpha=0.6, line_color=None)  # RGB顏色，畫布2，繪圖2  colors2 = ["#%02x%02x%02x" % (150, int(g), int(b)) for g, b in zip(50+2*x, 30+2*y)]  p2 = figure(width=300, height=300, tools=TOOLS)  p2.scatter(x,y, radius=radii, fill_color=colors2, fill_alpha=0.6, line_color=None)  # 直接顯示  # show(p1)  # show(p2)  # 網格顯示  from bokeh.layouts import gridplot  grid = gridplot([[p1, p2]])  show(grid)  

運行結果如圖4所示。

▲圖4 代碼示例②運行結果

代碼示例②中第11行和第15行使用scatter方法進行散點圖繪製。第7行工具條中的不同工具定義，第9行數據點的不同顏色定義，第20行和第21行採用網格顯示圖形，可以提前了解這些技巧，具體使用方法在下文中會專門進行介紹。

代碼示例③

from bokeh.sampledata.iris import flowers  # 配色  colormap = {'setosa': 'red', 'versicolor': 'green', 'virginica': 'blue'}  colors = [colormap[x] for x in flowers['species']]  # 畫布  p = figure(title = "Iris Morphology")  # 繪圖  p.circle(flowers["petal_length"], flowers["petal_width"],           color=colors, fill_alpha=0.2, size=10)  # 其他  p.xaxis.axis_label = 'Petal Length'  p.yaxis.axis_label = 'Petal Width'  # 顯示  show(p)  

運行結果如圖5所示。

代碼示例③再次對前面提到的鳶尾花的數據集進行分析，圖5中x軸為花瓣長度，y軸為花瓣寬度，據此可以將該散點數據聚類為3類。同時，該段代碼展示了常規圖形的繪製流程，含x、y軸的標籤。

▲圖5 代碼示例③運行結果

代碼示例④

from bokeh.layouts import column, gridplot  from bokeh.models import BoxSelectTool, Div  # 數據  x = np.linspace(0, 4*np.pi, 100)  y = np.sin(x)  # 工具條  TOOLS = "wheel_zoom,save,box_select,lasso_select,reset"  # HTML代碼  div = Div(text="""  <p>Bokeh中的畫布可通過多種布局方式進行顯示；</p>  <p>通過配置參數BoxSelectTool，在圖中用鼠標選擇數據，採用不同方式進行交互。</p>  """) # HTML代碼直接作為一個圖層顯示，也可以作為整個HTML文檔  # 視圖屬性  opts = dict(tools=TOOLS, plot_width=350, plot_height=350)  # 繪圖1  p1 = figure(title="selection on mouseup", **opts)  p1.circle(x, y, color="navy", size=6, alpha=0.6)  # 繪圖2  p2 = figure(title="selection on mousemove", **opts)  p2.square(x, y, color="olive", size=6, alpha=0.6)  p2.select_one(BoxSelectTool).select_every_mousemove = True  # 繪圖3  p3 = figure(title="default highlight", **opts)  p3.circle(x, y, color="firebrick", alpha=0.5, size=6)  # 繪圖4  p4 = figure(title="custom highlight", **opts)  p4.square(x, y, color="navy", size=6, alpha=0.6,            nonselection_color="orange", nonselection_alpha=0.6)  # 布局  layout = column(div,                  gridplot([[p1, p2], [p3, p4]], toolbar_location="right"),                  sizing_mode="scale_width")  # sizing_mode 根據窗口寬度縮放圖像  # 繪圖  show(layout)  

Bokeh中的畫布可通過多種布局方式進行顯示：通過配置視圖參數，在視圖中進行交互可視化。運行結果如圖6所示。

▲圖6 代碼示例④運行結果

代碼示例④讓讀者感受一下Bokeh的交互效果，Div方法可以直接使用HTML標籤，其作為一個獨立的圖層進行顯示（第30行）。另外需要注意，可以通過`nonselection_`，`nonselection_alpha`或`nonselection_fill_alpha`設套索置選取數據時的散點的顏色、透明度等。

代碼示例⑤

from bokeh.models import (         ColumnDataSource,         Range1d, DataRange1d,         LinearAxis, SingleIntervalTicker, FixedTicker,         Label, Arrow, NormalHead,         HoverTool, TapTool, CustomJS)  from bokeh.sampledata.sprint import sprint  abbrev_to_country = {        "USA": "United States",        "GBR": "Britain",        "JAM": "Jamaica",        "CAN": "Canada",        "TRI": "Trinidad and Tobago",        "AUS": "Australia",        "GER": "Germany",        "CUB": "Cuba",        "NAM": "Namibia",        "URS": "Soviet Union",        "BAR": "Barbados",        "BUL": "Bulgaria",        "HUN": "Hungary",        "NED": "Netherlands",        "NZL": "New Zealand",        "PAN": "Panama",        "POR": "Portugal",        "RSA": "South Africa",        "EUA": "United Team of Germany",  }  gold_fill   = "#efcf6d"  gold_line   = "#c8a850"  silver_fill = "#cccccc"  silver_line = "#b0b0b1"  bronze_fill = "#c59e8a"  bronze_line = "#98715d"  fill_color = { "gold": gold_fill, "silver": silver_fill, "bronze": bronze_fill }  line_color = { "gold": gold_line, "silver": silver_line, "bronze": bronze_line }  def selected_name(name, medal, year):      return name if medal == "gold" and year in [1988, 1968, 1936, 1896] else ""  t0 = sprint.Time[0]  sprint["Abbrev"]       = sprint.Country  sprint["Country"]      = sprint.Abbrev.map(lambda abbr: abbrev_to_country[abbr])  sprint["Medal"]        = sprint.Medal.map(lambda medal: medal.lower())  sprint["Speed"]        = 100.0/sprint.Time  sprint["MetersBack"]   = 100.0*(1.0 - t0/sprint.Time)  sprint["MedalFill"]    = sprint.Medal.map(lambda medal: fill_color[medal])  sprint["MedalLine"]    = sprint.Medal.map(lambda medal: line_color[medal])  sprint["SelectedName"] = sprint[["Name", "Medal", "Year"]].apply(tuple, axis=1).map(lambda args: selected_name(*args))  source = ColumnDataSource(sprint)  xdr = Range1d(start=sprint.MetersBack.max()+2, end=0)               # XXX: +2 is poor-man's padding (otherwise misses last tick)  ydr = DataRange1d(range_padding=4, range_padding_units="absolute")  plot = figure(      x_range=xdr, y_range=ydr,      plot_width=1000, plot_height=600,      toolbar_location=None,      outline_line_color=None, y_axis_type=None)  plot.title.text = "Usain Bolt vs. 116 years of Olympic sprinters"  plot.title.text_font_size = "14pt"  plot.xaxis.ticker = SingleIntervalTicker(interval=5, num_minor_ticks=0)  plot.xaxis.axis_line_color = None  plot.xaxis.major_tick_line_color = None  plot.xgrid.grid_line_dash = "dashed"  yticker = FixedTicker(ticks=[1900, 1912, 1924, 1936, 1952, 1964, 1976, 1988, 2000, 2012])  yaxis = LinearAxis(ticker=yticker, major_tick_in=-5, major_tick_out=10)  plot.add_layout(yaxis, "right")  medal = plot.circle(x="MetersBack", y="Year", radius=dict(value=5, units="screen"),      fill_color="MedalFill", line_color="MedalLine", fill_alpha=0.5, source=source, level="overlay")  plot.text(x="MetersBack", y="Year", x_offset=10, y_offset=-5, text="SelectedName",      text_align="left", text_baseline="middle", text_font_size="9pt", source=source)  no_olympics_label = Label(      x=7.5, y=1942,      text="No Olympics in 1940 or 1944",      text_align="center", text_baseline="middle",      text_font_size="9pt", text_font_style="italic", text_color="silver")  no_olympics = plot.add_layout(no_olympics_label)  x = sprint[sprint.Year == 1900].MetersBack.min() - 0.5  arrow = Arrow(x_start=x, x_end=5, y_start=1900, y_end=1900, start=NormalHead(fill_color="black", size=6), end=None, line_width=1.5)  plot.add_layout(arrow)  meters_back = Label(      x=5, x_offset=10, y=1900,      text="Meters behind 2012 Bolt",      text_align="left", text_baseline="middle",      text_font_size="10pt", text_font_style="bold")  plot.add_layout(meters_back)  disclaimer = Label(      x=0, y=0, x_units="screen", y_units="screen",      text="This chart includes medals for the United States and Australia in the "Intermediary" Games of 1906, which the I.O.C. does not formally recognize.",      text_font_size="8pt", text_color="silver")  plot.add_layout(disclaimer, "below")  tooltips = """  <div>      <span style="font-size: 15px;">@Name</span>      <span style="font-size: 10px; color: #666;">(@Abbrev)</span>  </div>  <div>      <span style="font-size: 17px; font-weight: bold;">@Time{0.00}</span>      <span style="font-size: 10px; color: #666;">@Year</span>  </div>  <div style="font-size: 11px; color: #666;">@{MetersBack}{0.00} meters behind</div>  """  plot.add_tools(HoverTool(tooltips=tooltips, renderers=[medal]))  open_url = CustomJS(args=dict(source=source), code="""  source.inspected._1d.indices.forEach(function(index) {      var name = source.data["Name"][index];      var url = "http://en.wikipedia.org/wiki/" + encodeURIComponent(name);      window.open(url);  });  """)  plot.add_tools(TapTool(callback=open_url, renderers=[medal], behavior="inspect"))  show(plot)  

運行結果如圖7所示。

▲圖7 代碼示例⑤運行結果

代碼示例⑤展示了短跑選手博爾特與116年來奧運會其他短跑選手成績的對比情況。上述代碼包含數據預處理、自定義繪圖屬性、數據標記、交互式顯示等較為複雜的操作，不作為本文重點；讀者僅需要知道通過哪些代碼可以實現哪些可視化的效果即可。

本文通過5個代碼示例展示了散點圖的繪製技巧，繪製難度也逐漸增大，與此同時，展現的效果也越來越好。讀者在學習過程中可以多思考，在這個示例中哪些數據需要交互式展示，採用哪種展示方式更好。

關於作者：屈希峰，資深Python工程師，Bokeh領域的實踐者和佈道者，對Bokeh有深入的研究。擅長Flask、MongoDB、Sklearn等技術，實踐經驗豐富。知乎多個專欄（Python中文社區、Python程序員、大數據分析挖掘）作者，專欄累計關注用戶十餘萬人。

本文摘編自《Python數據可視化：基於Bokeh的可視化繪圖》，經出版方授權發佈。