plt.scatter()参数说明

在Python的数据可视化库matplotlib中，plt.scatter()是用于绘制散点图的函数。它接受多个参数，本文将对这些参数进行详细的说明。

参数列表

plt.scatter()的基本语法如下：

plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)

下面将一一介绍每个参数的作用：

1. x, y：分别为x轴和y轴上的数据，可以是数组、列表、元组、Dataframe等类型的数据。

2. s：散点的大小，可以是一个标量，表示所有散点的大小相同；也可以是一个数组，表示每个散点的大小不同；若不传入该参数，则默认大小为20。

3. c：散点的颜色，可以是一个标量，表示所有散点颜色相同；也可以是一个数组，表示每个散点颜色不同。此外，c还支持多种色彩映射。如果c传入的是字符串，比如'r'，表示所有散点颜色都是红色。如果c传入的是数值型的序列，那么这些数值将会被映射至colormap中。例如，当我们设置cmap='viridis'时，散点的颜色将根据viridis这种颜色映射设置。

4. marker：散点的形状。默认是圆圈，但你可以用一个字符或形状代码改变形状。例如，设置marker='o'或'markeredgewidth=2'会将点改为圆圈。完整的形状代码列表可以通过matplotlib.markers模块获得。

5. cmap：color map，指定散点颜色映射表。这个参数只有c是数字时才有意义。cmap可以为一个Colormap对象或是一个字符串， matplotlib将根据cmap的取值来映射c参数传入的每个数字。

6. norm：是颜色映射的normalized对象——它描述了将值映射到颜色映射范围的转换方法。有三种方式可以使用范围norm，分别是False，True和matplotlib.colors.Normalize。

7. vmin/vmax：用于指定v的跨越区间。可以用于将cmap限制到某个区间，不在该区间的值将不使用该cmap。如果vmin和vmax都不设置，那么将使用实际的值。

8. alpha：控制散点的透明度。取值范围为0~1，如果为0，点会完全透明，如果为1，点会完全不透明。

9. linewidths：可选参数，设置数据点的外边框线宽。如果未设置，该值默认为无。如果想为边框设置透明度，需要使用参数“edgecolors”。

10. edgecolors：这是处理外边框线的关键参数，该参数可以设定为一个样式列表。对每个数据点来说，该参数都会指定一个要展示的颜色样式。注意，该参数只有在指定了linewidths的情况下才会生效，否则看起来就像是未设定颜色一样。

11. plotnonfinite：默认为False，表示是否忽略无穷值和NaN值。如果设置为True，那么所有的无穷值和NaN值都将被设置为默认颜色，并且边框将会被隐藏。

12. data：是x、y，s，c等的数据来源。如果我们以Dataframe格式处理数据点，那么就可以让pandas来处理一切。

13. kwargs：其他可选参数。包括颜色条、标签位置和显示样式等。

小结

通过本篇文章，我们对plt.scatter()函数的各个参数进行了详尽的解释和说明，相信读者对于绘制散点图时如何设置和调试参数已经有了一定的了解。