大家好，我是你们的小帅学长。
如果说前面的内容都在讲“分布”，那从这一篇开始，我们进入一个更核心的能力：关系表达（relationship）。
而散点图，是所有关系类图表的起点。
但我可以很直接地说一句，80%的散点图，都有一个问题——看不清。
为什么？
点太多 → 全部叠在一起
点太密 → 看不出结构
点太黑 → 像一团墨
所以这一篇，我们只解决一个问题：如何让散点图“既完整，又清晰”？
01.散点图最常见的问题：遮挡（overplotting）
当数据量稍微大一点（>1000），就会出现：
点完全重叠
局部密度看不出来
趋势被淹没
这叫：overplotting（过度绘制）
而解决这个问题的核心方法，其实只有两个：
透明度（alpha）
抖动 / 控制点大小
02.透明度：最重要的一招
散点图的第一优化手段，是降低透明度。
效果：重叠区域 → 更深
稀疏区域 → 更浅
于是就会出现，数据的“密度结构”自动浮现出来。
03.点大小（size）：不要乱设
很多人会把点设得很大，这是错误的。原则上：点越多，要越小。
04.不要画网格
干净底图 > 信息堆叠
散点图本身已经有很多视觉信息，再加网格，很容易干扰判断。
05.论文级散点图模板
散点图不是在展示“点”，而是在展示“密度”。
这是论文级散点图模板：
import osimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltfrom matplotlib import font_manager as fmfrom matplotlib.ticker import MaxNLocatorwin_fonts = r"C:\Windows\Fonts"for p in [ os.path.join(win_fonts,"times.ttf"), os.path.join(win_fonts,"timesbd.ttf"), os.path.join(win_fonts,"timesi.ttf"), os.path.join(win_fonts,"simsun.ttc"),]:if os.path.exists(p): try: fm.fontManager.addfont(p) except Exception: passmpl.rcParams["font.family"] = ["Times New Roman", "SimSun"]mpl.rcParams["axes.unicode_minus"] = FalseOUT_DIR = r"D:\py_figs"os.makedirs(OUT_DIR, exist_ok=True)# =========================# 构造数据# =========================np.random.seed(42)x = np.random.normal(0, 1, 1500)y = 0.5 * x + np.random.normal(0, 0.5, 1500)# =========================# 绘图# =========================fig, ax = plt.subplots(figsize=(6,5))ax.scatter( x,y, s=12, #点大小 alpha=0.35, #透明度 color="#4C78A8")ax.set_title("Scatter Plot / 散点图", fontsize=14)ax.set_xlabel("X Variable / 自变量", fontsize=12)ax.set_ylabel("Y Variable / 因变量", fontsize=12)ax.xaxis.set_major_locator(MaxNLocator(nbins=6))ax.yaxis.set_major_locator(MaxNLocator(nbins=6))for spine in ax.spines.values(): spine.set_linewidth(1.2)out_path = os.path.join(OUT_DIR, "scatter_basic.jpg")fig.savefig(out_path, dpi=300, bbox_inches="tight")plt.close()print("Saved:", out_path)
还可以加一条趋势线：
coef = np.polyfit(x, y, 1)trend = np.poly1d(coef)ax.plot(x, trend(x), color="red", linewidth=2)
06.什么时候散点图不够用了？
当你开始遇到：
多个类别
多个组
多种条件
你就需要分组散点。
也就是，不同颜色、不同形状、分类编码。
散点图的核心不是把点画出来，而是让结构被看见。
接下来我们升级散点图，《分组散点》。
当数据有多个类别时：
颜色怎么选？
形状怎么用？
怎么避免图变乱？
下一篇，我会给你一套，论文级分组编码规则。
这一步，是从“会画图”走向“会表达数据结构”的关键。
——期待你的关注——
往期内容：
用Python做科研级画图——异常值可视化
用Python做科研级画图——雨云图
用Python做科研级画图——小提琴图
用Python做科研级画图——箱线图（解释统计含义）
用Python做科研级画图——KDE密度
用Python做科研级画图——直方图
10个月宝宝每天需要喝多少奶粉？
