一、散点图（Scatter Diagram）

散点图（Scatter Diagram）又称为散点分布图，是以利用坐标点（散点）的分布形态反映特征间的相关关系的一种图形。实际中一般使用二维散点图，通过散点的疏密程度和变化趋势表示两个特征间关系。

散点图有以下3个特点。

表现特征之间是否存在数值或者数量的关联趋势，关联趋势是线性的还是非线性的。

凸显出离群点（异常点），及对整体的影响。

数据量越大，能发挥的作用越好。

#示例 1.scatter 散点图

import matplotlib.pyplot as plt

import numpy as np

n = 1024

X = np.random.normal(0,1,n)

Y = np.random.normal(0,1,n)

T = np.arctan2(Y,X)#for color later on

plt.scatter(X,Y,s = 75,c = T,alpha = .5)

1plt.xlim((-1.5,1.5))

plt.xticks([])#ignore xticks

plt.ylim((-1.5,1.5))

plt.yticks([])#ignore yticks

plt.show()

 散点图

二、折线图（Line Chart）

折线图（Line Chart）是将“散点”按照横坐标顺序用线段依次连接起来的图形。以折线的上升或下降，表示某一特征随另外一特征变化的增减以及总体变化趋势。一般用于展现某一特征随时间的变化趋势。

#示例 默认绘制折线图 df.plot

import matplotlib.pyplot as plt

import pandas as pd

import numpy as np

df = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2020', periods=1000))

df = df.cumsum()

df.plot()

plt.show()

# 示例  绘制多条折线

df = pd.DataFrame(np.random.randn(1000, 3), index=pd.date_range('1/1/2020', periods=1000), columns=['A','B','C'])

df = df.cumsum()

df.plot()

plt.show()