一、散點圖引入 
什麼是散點圖？ 
反映兩組變數每個資料點的值，並且從散點圖可以看出它們之間的相關性。單看概念可能不太好理解，我們可以從一個例子說起。下面我們通過例子邊學邊做。 
在做散點圖之前，最重要的是我們得有資料啊，資料很重要。這裡我們利用關於karate--deepwalk.embeddings的資料，假設儲存在目錄C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv中，資料全文為

首先要將資料讀取進來，大致對資料進行瀏覽，看以下程式碼：

import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_csv(r"C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv") ---r為轉義字元
print(df.head())

輸出為：

     label           x                    y
0     34    -0.604761     -0.710905
1      1    0.311671       -0.886024
2     33   -0.720595     -0.727339
3      3   -0.124094      -0.772308
4      2    0.284264      -0.866799

df.head()預設返回資料集的前五行資料，瀏覽以下資料集的所有屬性，以及取值如何，這裡我們先拿“x”和“y”來做例項以理解散點圖。當然，你也可以用其他屬性。

plt.scatter(df["x"],df["y"])
plt.show()

完善的散點的圖是怎樣的，它需要哪些引數呢？ 

首先要 生成一個figure物件和一個座標系（理解為子圖也可以）axes物件，並且建立一個圖形區域寬和高的比例為8:5（可以自行設定），解析度為每英寸80畫素的圖，還有fontsize則是字型的大小（可自行設定）

上例子及程式碼中可以看到，我們在繪製散點圖時候，用到了ax.scatter(df[“mpg”],df[“wt”])函式，關於scatter()函式看下都有哪些引數：ax.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None,vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, , data=None, *kwargs) 
其中的x和y在上面我們的例子中應該就已經理解了，而s代表了點的大小，如果s輸入的是一個固定值，那麼就只是單純的改變散點的大小(可以自己設定)，這裡我們增加一些知識，如果讓點的大小也成為一個維度，這樣的話就可以表示三個維度資料之間的聯絡，先看示例：

這個圖相比一般散點圖多了一個維度的資料，即將第三個維度的資料大小（這裡是資料集中的“disp”）以氣泡（引數alpha表示透明度，可以自行設定）大小示意。像這樣需要第三個維度的應用場景為：在研究2個變數的關係時，需要加入連續型變數作為第三維度。 
而c代表的是點的填充顏色，可以參考文件設定定值來填充不同的顏色。這裡我們還利用該資料集的一個“vs”特徵來作為第三維度，通過的“vs”的觀察可以看出vs只有兩個不同的取值0和1。我們就用“vs”的值來作為c的值，以此來檢視資料的分步情況：

但是我們發現好像缺了點什麼：我們不知道黃色代表什麼值，紫色代表什麼值，對吧？因此我們需要新增1個圖例來表明每個顏色代表的是什麼資料，思路是因為vs只有0,1兩種值，那麼我只需要提取出滿足vs==0的資料(mpg和wt)和滿足vs==1的資料（mpg和wt），然後在1張圖上用2套資料來源畫2種顏色的散點圖即可： 

# -- coding: utf-8
import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_csv(r"C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embeddings.csv")  # r為轉義字元
# print(df.head())
# plt.scatter(df["x"],df["y"])
# plt.show()

fig,ax = plt.subplots(figsize = (8,5),dpi = 70)  #figsize:寬和高比例，dpi：解析度
ax.scatter(df["x"],df["y"],alpha=1,c=df["label"])  #製作關於x，y的散點圖
ax.set_xlabel("x",fontsize=15)
ax.set_ylabel("y",fontsize=15)
ax.set_title("karate--deepwalk.embeddings",fontsize=20)
# ax.set_xlim(1.5,1.5) #x軸調整取值範圍
# ax.set_ylim(-1.5,0)
plt.show()