快速学习：使用Python绘制热力图和散点图（附代码示例）
引言：
在数据可视化中，热力图和散点图是两种常见的图表类型。热力图能够直观地展示数据的分布情况和变化趋势，而散点图则适用于展示多个数据点之间的相关性。本文将介绍如何使用Python绘制这两种图表，并给出具体的代码示例。
一、绘制热力图
- 准备数据
绘制热力图需要准备一个二维数组（矩阵）作为输入数据。每个元素的数值代表该位置的颜色深浅或者热度程度。下面是一个简单的示例，使用numpy库生成一个3x3的随机矩阵作为输入数据：
import numpy as np data = np.random.rand(3, 3)
- 绘制热力图
使用matplotlib库中的imshow函数绘制热力图，该函数接受一个二维数组作为输入数据，并可根据数据的数值自动确定颜色的深浅。下面是一个简单的示例：
import matplotlib.pyplot as plt plt.imshow(data, cmap='hot', interpolation='nearest') plt.colorbar() # 添加颜色渐变条 plt.show()
在上述代码中，使用hot色图将较小的数值映射为亮黄色，较大的数值映射为暗红色，并使用interpolation参数指定插值方法。
立即学习“Python免费学习笔记（深入）”；
二、绘制散点图
- 准备数据
绘制散点图需要准备两个一维数组，分别代表数据点的x坐标和y坐标。下面是一个简单的示例，使用numpy库生成一组随机的数据点：
import numpy as np x = np.random.rand(100) y = np.random.rand(100)
- 绘制散点图
使用matplotlib库中的scatter函数绘制散点图，该函数接受两个一维数组作为输入数据，分别表示数据点的x坐标和y坐标。下面是一个简单的示例：
import matplotlib.pyplot as plt
plt.scatter(x, y, marker='o', c='r') # 使用红色的圆点表示散点图
plt.xlabel('X') # 设置x轴标签
plt.ylabel('Y') # 设置y轴标签
plt.title('Scatter Plot') # 设置图表标题
plt.show()在上述代码中，使用marker参数指定散点的标记形状，c参数指定散点的颜色。
结语：
本文介绍了使用Python绘制热力图和散点图的方法，并给出了具体的代码示例。通过学习这些示例代码，读者可以快速上手绘制热力图和散点图，并对数据进行可视化分析。同时，读者也可以根据自己的需求进行二次开发和优化，实现更加个性化的数据可视化效果。
