plt.scatter（）和sns.scatterplot（）画散点图
plt.scatter()画散点图
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)
参数解释：
1 x，y：表⽰的是⼤⼩为(n,)的数组，也就是我们即将绘制散点图的数据点，相当于是x、y轴坐标 2 s：是⼀个实数或者是⼀个数组⼤⼩为(n,)，这个是⼀个可选的参数。可理解为散点的的点的⼤⼩
3 c：表⽰的是颜⾊，也是⼀个可选项。默认是蓝⾊'b'，表⽰的是标记的颜⾊，或者可以是⼀个表⽰颜⾊的字符，或者是⼀个长度为n的表⽰颜⾊的序列等等，感觉还没⽤到过现在不解释了。但是c不可以是⼀个单独的RGB数字，也不可以是⼀个RGBA的
4 marker：表⽰的是标记的样式，默认的是'o'。
5 cmap:Colormap实体或者是⼀个colormap的名字，cmap仅仅当c是⼀个浮点数数组的时候才使⽤。如果没有申明就是ap
6 norm:Normalize实体来将数据亮度转化到0-1之间，也是只有c是⼀个浮点数的数组的时候才使⽤。如果没有申明，就是默认为colors.Normalize。
7 vmin,vmax：实数，当norm存在的时候忽略。⽤来进⾏亮度数据的归⼀化。
8 alpha：实数，0-1之间。
9 linewidths：也就是标记点的长度。
例⼦：
## 基础函数库
import numpy as np
## 导⼊画图库
import matplotlib.pyplot as plt
import seaborn as sns
土耳其旅游城市x_fearures = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])
## 可视化构造的数据样本点
plt.figure()
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=50, cmap='viridis')
plt.title('Dataset')
plt.show()
#改变s的参数，点的⼤⼩改变了
plt.figure()
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=100, cmap='viridis')东林寺
plt.title('Dataset')
plt.show()
#改变market
plt.figure()
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=100, cmap='viridis',marker='x')
plt.title('Dataset')
plt.show()
sns.scatterplot() 画散点图
seaborn.scatterplot(x=None, y=None, hue=None,
style=None, size=None, data=None,
palette=None, hue_order=None, hue_norm=None,
sizes=None, size_order=None, size_norm=None,
markers=True, style_order=None, x_bins=None,
温哥华旅游必去景点
y_bins=None, units=None, estimator=None,
ci=95, n_boot=1000, alpha='auto', x_jitter=None,
y_jitter=None, legend='brief', ax=None, **kwargs)
参数解释：
1 data: DataFrame
2 x,y为数据中变量的名称; 作⽤：对将⽣成具有不同颜⾊的元素的变量进⾏分组。可以是分类或数字. 3 size：数据中的名称作⽤：根据指定的名称(列名)，根据该列中的数据值的⼤⼩⽣成具有不同⼤⼩的效果。可以是分类或数字。
4 style：数据中变量名称(⽐如：⼆维数据中的列名) 作⽤：对将⽣成具有不同破折号、或其他标记的变量进⾏分组。
5 palette：调试板名称，列表或字典类型作⽤：设置hue指定的变量的不同级别颜⾊。 6 hue_order：列表(list)类型作⽤：指定hue变量出现的指定顺序，否则他们是根据数据确定的。
秦皇岛野生动物园7 hue_norm:tuple或Normalize对象
8 sizes:list dict或tuple类型作⽤：设置线宽度，当其为数字时，它也可以是⼀个元组，指定要使⽤的最⼤和最⼩值，会⾃动在该范围内对其他值进⾏规范化。
例⼦
## 导⼊画图库
import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
tips = sns.load_dataset("tips")
#如果单纯是data⼀个参数，这data的特征需要全部都是数值型
sns.scatterplot(data=tips) #ValueError: A wide-form input must have only numeric values.
sns.scatterplot( x="total_bill", y="tip",data=tips)九寨沟门票在哪个网可以预定
plt.show()
设置hue 根据设置的类别，产⽣颜⾊不同的点的散点图 eg.下图为根据time分类的散点图
sns.scatterplot(x="total_bill", y="tip", hue="time",data=tips)
一千左右穷游可以去哪
plt.show()
设置hue 根据设置的类别，产⽣颜⾊不同的点的散点图，设置style，使其⽣成不同的标记的点 eg.下图为hue与style设置相同的分类的散点图
sns.scatterplot(x="total_bill", y="tip",hue="time", , data=tips)
plt.show()
设置size ，根据设置的类别，产⽣⼤⼩不同的点的散点图
sns.scatterplot(x="total_bill", y="tip", size="time",data=tips)
plt.show()
使⽤指定的标记
markers = {"Lunch": "s", "Dinner": "X"}
sns.scatterplot(x="total_bill", y="tip", ,
markers=markers,
data=tips)
plt.show()
利⽤pandas构建时间序列数据，从2000-1-31开始，以⽉为频率，⽣成100条时间序列index = pd.date_range("2000-1-11", periods=100,
freq="m", name="date")
data = np.random.randn(100, 4).cumsum(axis=0)
wide_df = pd.DataFrame(data, index, ["a", "b", "c", "d"])
sns.scatterplot(data=wide_df)
plt.show()
