目录

• 加载示例数据

• 创建一个最简单的散点图

• 开始让散点图变得丰富起来

• 让散点图再一次变得更漂亮

• 让散点图更加有品味

• 实验代码获得方法

在本教程中，关于常见的散点图，将对其进行美化，最终效果如图：

加载示例数据

在本教程，我们首先创建包含一些客户消费数据的示例数据集，以DataFrame 类型变量储存。每个数据点将包括：

1. 客户的交易次数
2. 客户每笔交易的金额。

让我们从加载库和以及DataFrame数据 来开始：

mport pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.use("Qt5Agg")
data = {
    'Purchase Frequency': [5, 8, 3, 9, 7, 6, 2, 4, 1, 9,
                           11, 15, 14, 20, 18, 22, 25, 16, 21, 25],
    'Purchase Amount': [150, 70, 190, 140, 60, 80, 55, 75, 65, 85,
                        50, 120, 30, 20, 180, 160, 140, 70, 90, 40] }

df = pd.DataFrame(data)
print(df.head())

# Returns:
#    Purchase Frequency  Purchase Amount
# 0                   5              150
# 1                   8               70
# 2                   3              190
# 3                   9              140
# 4                   7               60

创建一个最简单的散点图

现在我们已经定义了 DataFrame，我们可以创建一个简单的散点图来开始。这将帮助我们更好地理解数据的性质。为此，我们可以使用该plt.scatter()函数。

# 创建一个简单的散点图
x = df[ 'Purchase Frequency' ] 
y = df[ 'Purchase Amount' ] 

plt.scatter(x, y) 
plt.show()

代码说明：

• 在上面的代码块中，我们首先为数据系列创建了两个变量：x和y。这将使创建图表和代码变得更加简单。
• 通过将这两个变量传递给函数plt.scatter()，完成创建了以下图表。

开始让散点图变得丰富起来

在本节中，我们将通过以下方式开始修改图表：

1. 更明确地创建图形和轴对象
2. 添加轴标签
3. 修改轴范围

fig, ax = plt.subplots(figsize=(8, 8))
ax.scatter(x, y)

# Clean up axes labels
axes_fonts = {'fontsize': 12, 'fontweight': 'bold'}
ax.set_xlabel('Purchase Frequency (#)', fontdict=axes_fonts)
ax.set_ylabel('Purchase Amount ($)', fontdict=axes_fonts)

# Clean up axes values
ax.set_ylim(0, y.max() + 20)
ax.set_xlim(0, x.max() + 2)

plt.show()

这个图表看起来还是有点简陋，于是在图表中添加水平线和垂直线，以突出显示平均销售数量和平均销售金额。这样可以让我们更好地将客户细分为不同的群体。

在 Matplotlib 中，我们可以使用plt.vlines()和plt.hlines()函数来执行此操作。这两个函数的工作原理类似。以该plt.hlines()函数为例，创建一条水平线，并需要以下参数：

• y：表示放置线条的 y 位置

• xmin并xmax：指出线应该从哪里跨越到哪里

• linestyles：设定线型

• colors：线条颜色

# 添加垂直线表示平均购买频率
plt.vlines(x=x.mean(), ymin= 0 , ymax=ymax, linestyles= 'dashed' , colors= 'grey' ) 

# 添加水平线表示平均购买金额
plt.hlines(y=y.mean(), xmin= 0 , xmax=xmax, linestyles= 'dashed' , colors= 'grey' ) 

plt.show()

代码解读：添加了两个函数调用：一个用于添加垂直线，另一个用于添加水平线。设置它们线条样式为虚线以及灰色，以防止它们过于突出。将会得到：

现在图看起来比较比较丰富，但是还不够！

让散点图再一次变得更漂亮

可以通过提供一些必要的标注信息，使得图像看起来专业，所以接下来，将通过使用ax.text()完成必要信息的标注。ax.text()包含以下参数：

1. x和y：指定文本的位置
2. s：标注文本字符串

(xmin,xmax)=ax.get_xlim()
(ymin,ymax)=ax.get_ylim()
plt.vlines(x=x.mean(), ymin=0, ymax=ymax, linestyles='dashed', colors='grey')

# Add a horizontal line for average purchase amount
plt.hlines(y=y.mean(), xmin=0, xmax=xmax, linestyles='dashed', colors='grey')

ax.text(
    x=xmax-0.5, y=y.mean()+2, s=f'Average purchase amount: ${y.mean():.2f}',
    ha='right', va='bottom', fontsize=10, color='grey')

# Add text along the mean number of purchases
ax.text(
    x=x.mean()-0.25, y=ymax-5, s=f'Average purchases: {x.mean():.1f}',
    rotation=90, ha='right', va='top', color='grey')
ax.scatter(x, y)
plt.show()

代码解读：在上面的代码块中，添加了两个标注方法调用。第一个方法调用添加了水平文本以及均值信息，并次使用灰色对其进行样式设置，使其稍微淡化一点。对于垂直方向的文本，旋转文本以明确该文本归属。

得到：

接下来，在图表中添加阴影，以帮助读者更好地理解一些希望传达的对比信息。现在将添加两个阴影区域：

1. 一个是重点介绍那些支出和交易量低于平均水平的客户
2. 一是重点突出那些消费额和交易量都高于平均水平的客户

在 Matplotlib 中，可以使用ax.axhspan()方法添加阴影。该方法要求传入：

• x和 y 的最小值和最大值；

• color：阴影颜色

• alpha :阴影的透明度

 x_mean_fraction = x.mean() / xmax 
ax.axhspan( 
  ymin= 0 , ymax=y.mean(), xmin= 0 , xmax=x_mean_fraction, 
  alpha= 0.25 , color= 'pink' )             
ax.axhspan( 
  ymin=y.mean(), ymax=ymax, xmin=x_mean_fraction, 
  xmax= 1 , alpha= 0.25 , color= 'lightgreen' )    


ax.scatter(x, y) 
plt.show()

代码解读：上面的代码块中，我创建了两个阴影填充区域。注意，该ax.axhspan()方法的水平坐标值在 0 和 1 之间，因此，创建一个分数来定义我们希望阴影发生的位置。通过创建变量来实现这一点x_mean_fraction，该变量将该系列的平均值除以其最大值。这将得到：

现在是不是很不错了？但是，现在再利用之前使用的方法对它们进行标记，使这一切变得更清楚一些：

ax.text(x=0.5, y=3,  s='Low frequency, low amount', color='firebrick')
ax.text(
  x=xmax-0.5, y=ymax-2, s='High frequency, high amount', 
  color='darkgreen', ha='right', va='top')

代码解读：这里，我们添加了两个文本标签。一个位于左下角，采用类似的红色色调来细分这些客户。还在右上角添加了另一个，以添加另一个细分标签。将得到：

让散点图更加有品味

目前，所有的点都是相同的颜色。可以根据它们所在的象限来进一步设计它们的样式，添加三种不同的颜色，这将使可视化感觉更加具有凝聚力：

1. 落入左下角的将是红色，
2. 右上角的是绿色，
3. 其余均为灰色。

为了实现这一点，我们将向DataFrame 添加一个条件列。我们可以通过定义一个函数并将其传递给.apply()方法来实现这一点。让我们看看它是什么样子的：

# Adding a conditional column to our DataFrame
x_mean, y_mean = x.mean(), y.mean()

def color_dot(s):
    if (s['Purchase Amount'] < y_mean) & (s['Purchase Frequency'] < x_mean):
        return 'firebrick'
    elif (s['Purchase Amount'] > y_mean) & (s['Purchase Frequency'] > x_mean):
        return 'darkgreen'
    else:
        return 'grey'

df['Color'] = df.apply(color_dot, axis=1)
print(df.head())
ax.scatter(x, y, c=df[ 'Color' ]) 
# Returns:
#    Purchase Frequency  Purchase Amount      Color
# 0                   5              150       grey
# 1                   8               70  firebrick
# 2                   3              190       grey
# 3                   9              140       grey
# 4                   7               60  firebrick

现在可以使用这个附加列为散点图添加特定颜色，然后绘图得到：

注意：在scatter()中通过c赋予df中的颜色条件列df[ 'Color' ]，实现不同象限的散点颜色控制。

现在对比一下，是不是优雅很多了？