Matplotlib学习---用matplotlib画散点图，气泡图（scatter plot, bubble chart）

Matplotlib里有两种画散点图的方法，一种是用ax.plot画，一种是用ax.scatter画。

一. 用ax.plot画

ax.plot(x,y,marker="o",color="black")

二. 用ax.scatter画

ax.scatter(x,y,marker="o",s=sizes,c=colors)

ax.plot和ax.scatter的区别：

ax.plot：各散点彼此复制，因此整个数据集中所有的点只需配置一次颜色和大小。对大型数据集而言，ax.plot方法效率更高。

ax.scatter：灵活性高，可以单独控制每个散点，使其具有不同的属性（大小，填充颜色，边框颜色等）。

下面利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。

数据地址：http://datasets.flowingdata.com/flowingdata_subscribers.csv （用于散点图）

http://datasets.flowingdata.com/crimeRatesByState2005.csv（用于气泡图）

准备工作：先导入matplotlib和pandas，用pandas读取csv文件，然后创建一个图像和一个坐标轴

import pandas as pd
from matplotlib import pyplot as plt
subscriber=pd.read_csv(r"http://datasets.flowingdata.com/flowingdata_subscribers.csv")
fig,ax=plt.subplots()

让我们先看看第一个数据文件的前5行：

         Date  Subscribers  Reach  Item Views   Hits
0  01-01-2010        25047   4627        9682  27225
1  01-02-2010        25204   1676        5434  28042
2  01-03-2010        25491   1485        6318  29824
3  01-04-2010        26503   6290       17238  48911
4  01-05-2010        26654   6544       16224  45521

我们把文件中的订阅人数根据日期的推进画出来：

import pandas as pd
from matplotlib import pyplot as plt
subscriber=pd.read_csv(r"http://datasets.flowingdata.com/flowingdata_subscribers.csv")
fig,ax=plt.subplots()

time=[pd.to_datetime(i) for i in subscriber["Date"]]
ax.plot(time,subscriber["Subscribers"],"o",color="blue")
ax.set(xlabel="Date",ylabel="Number of subsribers")
ax.set_title("Growth of subscribers --- Jan 2010")
ax.annotate("2 days where \nit went wrong",xy=(0.43,0.06),xycoords='axes fraction',\
            xytext=(0.56,0.1),textcoords='axes fraction',\
            arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate("",xy=(0.046,0.8),xycoords='axes fraction',\
            xytext=(0.004,0.68),textcoords='axes fraction',\
            arrowprops=dict(arrowstyle="-"))
ax.annotate("27611\n(+10%)",xy=(0.955,0.92),xycoords='axes fraction',\
            xytext=(0.905,0.76),textcoords='axes fraction',\
            arrowprops=dict(arrowstyle="-"))
ax.spines["left"].set_visible(False)
ax.spines["right"].set_visible(False)
ax.spines["top"].set_visible(False)

plt.show()

图像如下：

可以看到有两个点情况异常，由于原因未知，添加注释进行说明。

接下来看看第二个数据文件的前5行：

           state  murder  forcible_rape  robbery  aggravated_assault  \
0  United States     5.6           31.7    140.7               291.1
1        Alabama     8.2           34.3    141.4               247.8
2         Alaska     4.8           81.1     80.9               465.1
3        Arizona     7.5           33.8    144.4               327.4
4       Arkansas     6.7           42.9     91.1               386.8   

   burglary  larceny_theft  motor_vehicle_theft  population
0     726.7         2286.3                416.7   295753151
1     953.8         2650.0                288.3     4545049
2     622.5         2599.1                391.0      669488
3     948.4         2965.2                924.4     5974834
4    1084.6         2711.2                262.1     2776221

这是美国各州各种犯罪行为的发生率（每10万人口）。

让我们看看各州谋杀率和入室盗窃率之间是否有关联，同时把各州的人口也显示出来，看看人口多的州是否这两种犯罪率同时也高。

首先把第一行United States的平均数据去除，然后把population，state，murder，burglary这几项数据分别拣出。在scatter命令中，以murder为x轴，burglary为y轴，s（气泡面积）按population调整，alpha为透明度。其中有一个州的谋杀率特别高，因此把x轴的上下限调整一下，以便更好地看出谋杀率和入室盗窃率之间的关系。这样，一个三维图像就画了出来。

import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
fig,ax=plt.subplots(figsize=(10,5))

crime=crime[1:]
population=crime["population"].values
state=crime["state"].values
murder=crime["murder"].values
burglary=crime["burglary"].values

ax.scatter(murder,burglary,s=population/40000,alpha=0.6)
ax.set(xlim=(0,11),ylim=(200,1300),\
       xlabel="Murder per 100,000 population",\
       ylabel="Burglary per 100,000 population",\
       title="Murder & Burglary in USA")
for i,j,z in zip(murder,burglary,state):
    ax.text(x=i-0.3,y=j-0.1,s=z,fontsize=7)
ax.spines["top"].set_visible(False)
ax.spines["left"].set_visible(False)
ax.spines["right"].set_visible(False)

plt.show()

图像如下：

可以看出谋杀率和入室盗窃率之间是呈正比关系的，但是人口多的州并非这两种犯罪率就高。

此外，可以通过设置scatter命令中的c（颜色）参数，进而来展示四维图像。