京公网安备 11010802034615号
经营许可证编号:京B2-20210330
惯例先来简单介绍下什么是散点图:用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。(来源:百度百科)
散点图很主要的是可以很直观的查看两组数据之间的关系,另外还可以很显示数据的分布情况。干巴巴的描述来描述去也没有一个图来的直观容易理解:
例如这张图,x轴数据和y轴数据就存在很强的正向关!
而这幅散点图,显示数据分布,对于分类有很大的帮助。
既然已经知道了散点图的主要作用,那么下边让我们来绘制一个散点图吧,一步一步,从简单到进阶!
先来看一下我们的数据源,依然是一组小学的语数外考试成绩:
基于上述数据源,绘制语文成绩与总成绩的散点图:
绘制几个图之后,大家就会发现,常规的画布啊标题啊标签之类的设置都是通用的,只有画图函数是不一样的,而大多数时候图想画出花样来着,也是在各个参数上做文章,先来看下这个简单的散点图画出来是什么样子的吧:
通过这个图能够看出,语文成绩和总成绩之间存在一定的线性关系,当然和前边那个示例图相比没有那么明显。这是语文成绩和总成绩的图,但是我们数据一共有三个学科数据,可不可以把三个学科的图绘制到一起呢?
当然是可以的啊,和绘制堆叠条形图和环形图的原理是一样的,下边我们来绘制一下三个学科和总成绩之间的散点图。
代码含义都以注释的形式标注到对应代码后了,其实就是在同一块画布上重复绘制散点图,散点和环形或者条形图不同,后边绘制的图形覆盖先绘制图形的情形几乎可以忽略,所以不用进行其他设置,直接绘图就可以,代码中对代表每一个学科的散点形状进行了指定,其实还可以指定颜色,实验发现系统默认的颜色还不错,就没有指定颜色(发现自己指定的颜色还不如系统指定的好看,有点悲伤):
通过这个图能够很明显的看出数学成绩与总成绩之间的线性关系更强,有点符合上学时候的真实情况了,数学才是拉开分差的学科啊!
其实气泡图是从散点图衍生出来的,散点图只有两个维度的数据,x轴和y轴,气泡图比散点图多了一个维度,即标记点的大小可以代表一个维度,衡量大小。
以学校成绩数据为例,我们给散点图添加一个维度,即给标记的大小赋值来看下有什么变化。比如语文成绩:
效果图:
代码中我们赋值给参数s的是语文成绩,而y轴也是语文成绩,所以能够看到,点的位置越靠近上方,点越大,如果我们赋值给s的值是总成绩的画,那么点的位置越靠右,点就会越大。
这里为了和前边的图进行对比,用了二维的数据绘图,有兴趣的小伙伴可以找一个三个维度的数据试一下,自己敲一遍收获更大哦!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31