Python-matplotlib 学术型散点图绘制

01. 引言

本期推文只要介绍学术散点图的绘制教程，涉及的内容主要还是matplotlib散点图的绘制，只不过添加了相关性分析，拟合关系式和颜色映射散点密度(大多数的英文文章中多出现此类图表)。首先我们看一下下面这幅图：

(图片来源于网络，如有侵权，望告知，删除，谢谢)

从该图可以看出，这是用ggplot2绘制的相关性散点图(别问我为啥，第一感觉就是

)，需要的数据量极大且颜色代表了散点密度大小。下面我们就用python-matplotlib 进行此类相关性散点图的绘制教程。

02. 数据处理及可视化

数据我们选择两组相关性较高的的数据，假设一种为真实值，一种为模型预测值，结果如下(部分)：

可视化绘制01：

可视化的绘制过程还是和之前的教程推文差不多，这里我们主要讲解新的内容，绘制完整代码如下：

解释如下：

（1）12-18行，使用numpy.linespace()和scipy的optimize.curve_fit()方法绘制拟合公式，并以此绘制散点拟合线和散点对角线；

（2）33-35行，主要针对对Axis设置刻度标签字体。绘图结果如下：

这类图表对一般的学术期刊，其完全符合要求，但如果散点更多，则需要用颜色映射进行散点密度映射，使读者更容易理解图表。

可视化绘制02：

针对颜色映射散点密度大小，主要步骤与上述相同，添加的额外代码如下：计算密度范围并附上颜色：

# Estimate the 2D histogram
nbins = 150
H, xedges, yedges = np.histogram2d(X, Y, bins=nbins)
# H needs to be rotated and flipped
H = np.rot90(H)
H = np.flipud(H)
# Mask zeros
Hmasked = np.ma.masked_where(H==0,H) # Mask pixels with a value of zero
#开始绘图
plt.pcolormesh(xedges, yedges, Hmasked, cmap=cm.get_cmap('jet'), vmin=0, vmax=40)

同时需要对colorbar进行定制化设置，详细代码如下：

cbar = plt.colorbar(ax=ax,ticks=[0,10,20,30,40],drawedges=False)
#cbar.ax.set_ylabel('Frequency',fontdict=colorbarfontdict)
cbar.ax.set_title('Counts',fontdict=colorbarfontdict,pad=8)
cbar.ax.tick_params(labelsize=12,direction='in')
cbar.ax.set_yticklabels(['0','10','20','30','>40'],family='Times New Roman')

最终可视化结果如下：

上述结果是更改了matplotlib绘图风格，即在绘图之前添加如下代码：

plt.style.use('seaborn-darkgrid')

03. 总结

本期推文介绍了学术性散点图的绘制过程，基本上符合一般论文的图表要求，主要涉及的知识点不多也不是很难，后面也会陆续推出学术图表的绘制教程推文，其目的就是一个，给大家提供灵感和些许绘图技巧，当然，如果能在论文书写中帮到大家那就最好不过啦

。本人能力有限，如发现错误后台留言交流或者加入DataCharm交流群讨论。