Python 散佈圖／折線圖（Scatter/Line Charts）

本文章中，我們將介紹如何使用 Python 的 Matplotlib、Seaborn、以及 Plotly Express 套件來繪製散佈圖（Scatter Charts）與折線圖（Line Charts）。

完整程式碼可以在下載。

Matplotlib
1. Scatter Charts
2. Line Charts
Seaborn
1. Scatter Charts
2. Line Charts
Plotly Express
1. Scatter Charts
2. Line Charts
結論

Matplotlib

Matplotlib 的 plot() 可以繪製散佈圖與折線圖。它的宣告如下。我們在這邊只列出常用的參數，其餘的參數請參考官網。

matplotlib.pyplot.plot(x, y, fmt, data)

x：x 軸上的座標。型態為 array-like 或 data 的 column 名稱。
y：y 軸上的座標。型態為 array-like 或 data 的 column 名稱。
fmt：[marker][line][color] 格式的字串。詳細的值可以參考官網。
- marker：點的樣式。
- line：線的樣式。
- color：顏色。
data：資料。

此外，Matplotlib 的 scatter() 也可以繪製散佈圖。它可以設定每個點的大小和顏色。

matplotlib.pyplot.scatter(x, 
                          y, 
                          sizes=None, 
                          c=None, 
                          marker=None, 
                          cmap=None, 
                          alpha=None, 
                          data=None)

x：x 軸上的座標。型態為 array-like 或 data 的 column 名稱。
y：y 軸上的座標。型態為 array-like 或 data 的 column 名稱。
data：資料。
marker：點的樣式。
sizes：點的大小。型態為 float 或 array-like。
c：顏色。型態為 color 或 array-like。
cmap：color map。
alpha：不透明度。型態為 float。

Scatter Charts

下面的範例顯示如何使用 plot() 繪製散佈圖。

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 4, 5, 1]
plt.plot(x, y, 'o', label='o')
plt.plot(y, x, 'x', label='x')
plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Scatter Chart')

範例一中，我們用 plot() 繪製 (x, y)，參數 label 可以設定右上角的說明文字，並且呼叫 legend() 來顯示右上角的說明。xlabel() 和 ylabel() 可以設定 x 軸與 y 軸的標題。而 title() 是設定整個圖表的標題。

import pandas as pd
df = pd.DataFrame([
    [1, 2],
    [2, 3],
    [3, 4],
    [4, 5],
    [5, 1],
], columns=['x', 'y'])
plt.plot('x', 'y', 'bs', data=df, label="s")
plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Scatter Chart')

範例二顯示如何使用參數 data。當傳一個 DataFrame 給參數 data 時，我們只要傳入 column 名稱給參數 x 和 y 即可。

下面的範例顯示如何使用 scatter() 繪製散佈圖。

import numpy as np
colors = np.random.rand(5)
sizes = np.random.rand(5) * 1000
plt.scatter(x, y, c=colors, cmap='jet', sizes=sizes, alpha=0.3)
plt.colorbar()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Scatter Chart')

plt.scatter('x', 'y', data=df, c=colors, cmap='jet', sizes=sizes, alpha=0.3)
plt.colorbar()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Scatter Chart')

範例三與四中，我們改用 scatter() 繪製圖表。colors 的值會是 [0, 1] 區間，就會對應到 color map 裡面的分佈。jet 是 Matplotlib 裡內建的一個 color map 的名稱。colorbar() 會顯示右邊的顏色條。

Line Charts

下面的範例顯示如何使用 plot() 繪製折線圖。

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 3, 4, 5, 1]
plt.plot(x, y, 'ro-', label='o')
plt.plot(y, x, 'gx--', label='x')
plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Line Chart')

與繪製散佈圖的方法幾乎一樣，差別在要在參數 marker 裡加上線的樣式。範例中，我們使用了直線（-）和虛線（-）。線的樣式共有四種，可以參考官網。

Seaborn

Seaborn 使用不同的函式來繪製散佈圖和折線圖。與 Matplotlib 相比，Seaborn 可以簡單地繪製出更漂亮的圖表。當然 Matplotlib 也可以繪製出一樣漂亮的圖表，但是就要設定比較多得東西。

Scatter Charts

scatterplot() 可以繪製散佈圖。它的宣告如下。我們在這邊只列出常用的參數，其餘的參數請參考官網。

seaborn.scatterplot(*, 
                    x=None, 
                    y=None, 
                    hue=None, 
                    style=None, 
                    size=None, 
                    data=None, 
                    palette=None, 
                    sizes=None, 
                    alpha=None)

x：x 軸上的座標。型態為 data 的 column 名稱或是 array。
y：y 軸上的座標。型態為 data 的 column 名稱或是 array。
data：資料。
hue：顏色分群。型態為 data 的 column 名稱或是 array。
style：樣式分群。型態為 data 的 column 名稱或是 array。
size：大小分群。型態為 data 的 column 名稱或是 array。
sizes：大小。型態為 list、dict、或 tuple。
alpha：不透明度。
palette：color map。

範例如下。

import pandas as pd
import seaborn as sns

df = pd.DataFrame([
    ['Asia', 'T', 120, 150],
    ['Asia', 'J', 150, 100],
    ['Europe', 'E', 150, 200],
    ['Europe', 'F', 200, 150],
    ['Americas', 'U', 250, 150],
    ['Americas', 'M', 70, 100],
], columns=['continent', 'country', 'gdp', 'life'])

ax = sns.scatterplot(x=df['gdp'], y=df['life'], hue=df['continent'])
ax.set_title('Scatter Chart')

ax = sns.scatterplot(x='gdp', y='life', data=df,
                     hue='continent', style='continent', palette='Set2',
                     size='continent', sizes=(20, 100))
ax.set_title('Scatter Chart')

我們可以看到 scatterplot() 預設用 column 的名稱作為 x 軸與 y 軸的標題。參數 hue 可以幫我們分類並選擇不同的顏色，相當地方便。另外，參數 style 與 size 也都是只要填入 column 的名稱，它們就會根據資料幫我們分類並選擇不同的樣式和大小。

而，參數 sizes 是指定大小的區間。當根據參數 size 分類後，會對應到 sizes 的區間來選擇大小。

參數 palette 是設定 color map。範例中，我們設定使用內建的 Set2 palette。

set_title() 則是設定整個圖表的標題。

Line Charts

lineplot() 可以繪製折線圖。它的宣告如下。我們在這邊只列出常用的參數，其餘的參數請參考官網。

seaborn.lineplot(*, 
                 x=None, 
                 y=None, 
                 hue=None, 
                 size=None, 
                 style=None, 
                 data=None, 
                 palette=None, 
                 sizes=None)

x：x 軸上的座標。型態為 data 的 column 名稱或是 array。
y：y 軸上的座標。型態為 data 的 column 名稱或是 array。
data：資料。
hue：顏色分群。型態為 data 的 column 名稱或是 array。
style：樣式分群。型態為 data 的 column 名稱或是 array。
size：大小分群。型態為 data 的 column 名稱或是 array。
sizes：大小。型態為 list、dict、或 tuple。
palette：color map。

lineplot() 的參數與 scatterplot() 非常的相似。常用的幾個參數幾乎一模一樣。讓我們來看看範例吧。

import pandas as pd
import seaborn as sns

df = pd.DataFrame([
    ['T', 2019, 150],
    ['T', 2020, 200],
    ['E', 2019, 170],
    ['E', 2020, 160],
    ['U', 2019, 200],
    ['U', 2020, 180],
], columns=['country', 'year', 'life'])

ax = sns.lineplot(x='year', y='life', data=df.query('country=="T"'))
ax.set_title('Line Chart')

ax = sns.lineplot(x='year', y='life', data=df,
                  hue='country', style='country', palette='Set2',
                  size='country', sizes=(2, 10))
ax.set_title('Line Chart')

我們可以看到，lineplot() 的範例與 scatterplot() 的範例幾乎一樣。與 Matplotlib 相比，lineplot() 自動幫我們選擇線的樣式。這些自動化的功能，讓我們可以更專注在程式的商業邏輯部分。

Plotly Express

Plotly Express 也是提供不同的函式來繪製散佈圖和折線圖。它的使用方法和 Seaborn 一樣相當地簡潔。此外，它還提供了更多的互動方式。

Scatter Charts

scatter() 可以繪製散佈圖。它的宣告如下。它有相當多的參數，但我們在這邊只列出常用的參數，其餘的參數請參考官網。

plotly.express.scatter(data_frame=None, 
                       x=None, 
                       y=None, 
                       color=None, 
                       symbol=None, 
                       size=None, 
                       hover_name=None, 
                       opacity=None, 
                       size_max=None, 
                       title=None)

data_frame：資料。
x：x 軸上的座標。型態為 data 的 column 名稱或是 array。
y：y 軸上的座標。型態為 data 的 column 名稱或是 array。
title：圖表的標題。
color：顏色分群。型態為 data 的 column 名稱或是 array。
symbol：樣式分群。型態為 data 的 column 名稱或是 array。
size：大小分群。型態為 data 的 column 名稱或是 array。
size_max：大小的最大值。
opacity：不透明度。
hover_name：游標移到點上時，會顯示點的詳細資料。hover_name 可以設定這個詳細資料框的標題。

範例如下。

import pandas as pd
import plotly.express as px

df = pd.DataFrame([
    ['Asia', 'T', 120, 150],
    ['Asia', 'J', 150, 100],
    ['Europe', 'E', 150, 200],
    ['Europe', 'F', 200, 150],
    ['Americas', 'U', 250, 150],
    ['Americas', 'M', 70, 100],
], columns=['continent', 'country', 'gdp', 'life'])

px.scatter(df, x='gdp', y='life', title='Scatter Chart')

px.scatter(df, x='gdp', y='life',
           color='continent', title='Scatter Chart',
           hover_name='country', symbol='country',
           size='life', size_max=20)

我們可以在 nbviewer 看到輸出的圖表。

與 Seaborn 的使用方式非常相似，大部分的參數，我們只需要傳入 column 的名稱，然後它會根據資料來分群並選擇顏色、樣式、和大小。

Line Charts

line() 可以繪製散佈圖。它的宣告如下。我們在這邊只列出常用的參數，其餘的參數請參考官網。

plotly.express.line(data_frame=None, 
                    x=None, 
                    y=None, 
                    color=None, 
                    line_dash=None, 
                    title=None)

data_frame：資料。
x：x 軸上的座標。型態為 data 的 column 名稱或是 array。
y：y 軸上的座標。型態為 data 的 column 名稱或是 array。
title：圖表的標題。
color：顏色分群。型態為 data 的 column 名稱或是 array。
line_dash：樣式分群。型態為 data 的 column 名稱或是 array。

範例如下。

import pandas as pd
import plotly.express as px

df = pd.DataFrame([
    ['T', 2019, 150],
    ['T', 2020, 200],
    ['E', 2019, 170],
    ['E', 2020, 160],
    ['U', 2019, 200],
    ['U', 2020, 180],
], columns=['country', 'year', 'life'])

px.line(df.query('country=="T"'), x='year', y='life', title='Line Chart')

px.line(df, x='year', y='life', color='country', title='Line Chart', line_dash='country')

我們可以在 nbviewer 看到輸出的圖表。

大部分的參數的使用方法與 scatter() 一樣。而，參數 line_dash 會根據資料來分群並選擇線的樣式。

結論

我們介紹了三套繪製散佈圖與折線圖的套件，分別是 Matplotlib、Seaborn、和 Plotly Express。Seaborn 與 Plotly Express 提供高階的函式來幫我們可以快速地繪製出漂亮的圖表。此外，Plotly Express 還有互動的方式提供額外的資料。

Get source code of posts.

Python 散佈圖／折線圖（Scatter/Line Charts）

Share

Table of Contents

Matplotlib

Scatter Charts

Line Charts

Seaborn

Scatter Charts

Line Charts

Plotly Express

Scatter Charts

Line Charts

結論

Related Tags

Wayne

發佈留言取消回覆

Python 長條圖（Bar Charts）

Python 圓餅圖／環狀圖／放射環狀圖（Pie/Donut/Sunburst Charts）

Python 熱圖（Heatmaps）

Python 箱型圖／小提琴圖（Box/Violin Plot）

Python K 線圖（Candlestick Charts）

Python 回歸線圖（Regression Line Plots）

線性回歸（Linear Regression）

《閱讀心得》研究生完全求生手冊：分法、秘訣、潛規則

Regularization

Overfitting 和 Underfitting

邏輯回歸（Logistic Regression）

Python 長條圖（Bar Charts）

Kotlin Coroutine 教學

Python 散佈圖／折線圖（Scatter/Line Charts）

Spring Boot + REST APIs + JPA 教學

Python 圓餅圖／環狀圖／放射環狀圖（Pie/Donut/Sunburst Charts）

Python 長條圖（Bar Charts）

Kotlin Coroutine 教學

Spring Boot + REST APIs + JPA 教學

Python 圓餅圖／環狀圖／放射環狀圖（Pie/Donut/Sunburst Charts）

Python 散佈圖／折線圖（Scatter/Line Charts）

Share

Table of Contents

Matplotlib

Scatter Charts

Line Charts

Seaborn

Scatter Charts

Line Charts

Plotly Express

Scatter Charts

Line Charts

結論

Related Tags

發佈留言 取消回覆

You May Also Like

發佈留言取消回覆