在数据可视化领域，散点图是一种强大的工具，能清晰地展示两个变量之间的关系。python提供了丰富的库来绘制散点图，其中matplotlib和seaborn最为常用。
一、matplotlib绘制散点图
matplotlib是python中最基础的数据可视化库。首先，确保已经安装了matplotlib库。然后，通过以下代码绘制简单的散点图：
```python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [5, 4, 6, 2, 7]
plt.scatter(x, y)
plt.show()
```
这段代码创建了两个列表`x`和`y`，并使用`scatter`函数绘制散点图，最后通过`show`函数显示图形。
颜色与大小设置
还可以为散点设置颜色和大小。例如：
```python
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [5, 4, 6, 2, 7]
colors = ['red', 'green', 'blue', 'yellow', 'black']
sizes = [100, 200, 150, 300, 250]
plt.scatter(x, y, c=colors, s=sizes)
plt.show()
```
这里通过`c`参数设置颜色，`s`参数设置大小。
二、seaborn绘制散点图
seaborn基于matplotlib，提供了更高级、更美观的绘图风格。同样先安装seaborn库，然后绘制散点图：
```python
import seaborn as sns
import pandas as pd
data = {'x': [1, 2, 3, 4, 5], 'y': [5, 4, 6, 2, 7]}
df = pd.dataframe(data)
sns.scatterplot(x='x', y='y', data=df)
```
seaborn使用`scatterplot`函数，通过dataframe来组织数据，代码更加简洁易读。
回归拟合线
seaborn还可以添加回归拟合线，帮助更好地观察数据趋势：
```python
sns.regplot(x='x', y='y', data=df)
```
这样在散点图上会添加一条拟合直线，直观展示变量之间的线性关系。
无论是matplotlib还是seaborn，都能轻松实现散点图的绘制，根据具体需求选择合适的库，能更高效地完成数据可视化任务，清晰呈现数据中隐藏的关系和趋势。
