散点图的核心作用是展示两个变量之间的关联关系（比如身高与体重、学习时间与成绩、广告投入与销售额等），通过点的分布位置，能快速判断数据是正相关、负相关还是无相关。借助matplotlib库，新手也能轻松用 Python 画出直观的散点图。
一、准备工作：安装并导入库
和柱状图、折线图一致，核心依赖matplotlib库，若未安装，打开终端 / 命令提示符输入：
pip install matplotlib
安装完成后，在代码中导入库（惯例简写为plt）：
import matplotlib.pyplot as plt
二、最基础的散点图：3 行核心代码
我们以 “学生学习时间与考试成绩的关联” 为例，手把手实现第一个散点图。
步骤 1：准备数据
定义两个列表，对应 “自变量”（x 轴，比如学习时间）和 “因变量”（y 轴，比如考试成绩）：
# 自变量（x轴）：每天学习时间（单位：小时）
study_time = [1, 2, 3, 3.5, 4, 5, 5.5, 6, 7, 8]
# 因变量（y轴）：对应考试成绩（单位：分）
scores = [65, 68, 75, 78, 82, 88, 90, 92, 95, 96]
步骤 2：绘制散点图
用plt.scatter()函数绘制，核心参数是x轴数据和y轴数据：
# 绘制散点图（核心代码）
plt.scatter(study_time, scores)
步骤 3：显示图表
用plt.show()展示绘制结果：
# 显示图表
plt.show()
完整代码（直接运行可用）
import matplotlib.pyplot as plt
# 1. 准备数据
study_time = [1, 2, 3, 3.5, 4, 5, 5.5, 6, 7, 8] # x轴：学习时间（小时）
scores = [65, 68, 75, 78, 82, 88, 90, 92, 95, 96] # y轴：考试成绩（分）
# 2. 绘制散点图
plt.scatter(study_time, scores)
# 3. 显示图表
plt.show()
三、简单优化：让关联更易读
基础散点图可以添加 “点的样式”“标题”“坐标轴说明” 和 “网格线”，让图表更专业，补充 4 行代码即可：
import matplotlib.pyplot as plt
study_time = [1, 2, 3, 3.5, 4, 5, 5.5, 6, 7, 8]
scores = [65, 68, 75, 78, 82, 88, 90, 92, 95, 96]
# 绘制散点图：蓝色圆形点、点的大小为80、边缘黑色（更醒目）
plt.scatter(study_time, scores, color='blue', marker='o', s=80, edgecolors='black')
plt.title("学生学习时间与考试成绩关联图") # 图表标题
plt.xlabel("每天学习时间（单位：小时）") # x轴标签
plt.ylabel("考试成绩（单位：分）") # y轴标签
plt.grid(True, alpha=0.3) # 添加网格线，alpha控制透明度（0.3=浅灰色）
plt.show()
四、关键函数说明（新手必记）
| 函数 | 作用 | 常用参数 |
|---|---|---|
plt.scatter(x, y) | 绘制散点图（核心） | x = 自变量数据，y = 因变量数据；color = 点的颜色；marker = 点的样式（o = 圆形、s = 方块、^= 三角形）；s = 点的大小；edgecolors = 点的边缘颜色 |
plt.title() | 设置图表标题 | 字符串（如 "学习时间与成绩关联"） |
plt.xlabel() | 设置 x 轴标签 | 字符串（如 "学习时间（小时）"） |
plt.ylabel() | 设置 y 轴标签 | 字符串（如 "成绩（分）"） |
plt.grid() | 添加网格线（可选） | True = 显示，alpha = 透明度（0-1 之间） |
plt.show() | 显示图表 | 无 |
五、常见应用场景
散点图的核心是 “探索关联”，适合这些场景：
- 变量关系分析：身高与体重、温度与冰淇淋销量、广告投入与销售额
- 异常值检测：大部分点集中在某区域，个别远离的点可能是异常数据（比如某学生学习 8 小时但成绩仅 50 分）
- 数据分布观察：点的密集程度反映数据集中情况（比如中等学习时间的学生数量最多）
- 多组数据对比：用不同颜色 / 样式的点，在同一图中展示多组变量关系（比如男生 vs 女生的学习时间与成绩）
