與線型圖類似的是，散點圖也是一個個點集構成的。但不同之處在於，散點圖的各點之間不會按照前後關系以線條連接起來。

用plt.plot畫散點圖

奇怪，代碼和前面的例子差不多，為什麽這裏顯示的卻是散點圖而不是sin曲線呢？原因有二：一是點集比較少，稀疏，才30個；二是沒有指定線型。

用plt.scatter畫散點圖

scatter專門用於繪制散點圖，使用方式和plot方法類似，區別在於前者具有更高的靈活性，可以單獨控制每個散點與數據匹配，並讓每個散點具有不同的屬性。

一般使用scatter方法，如下例子就可以了：

plt.scatter(x, y, marker=‘o‘)

下面看一個隨機不同透明度、顏色和大小的散點例子：

主要參數說明:

x，y：輸入數據

s：標記大小，以像素為單位

c：顏色

marker：標記

alpha：透明度

linewidths：線寬

edgecolors ：邊界顏色

上面的例子可以拓展到Scikit-learn中經典的鳶尾花iris數據來演示。

Iris數據集是常用的分類實驗數據集，由Fisher在1936收集整理，是一類多重變量分析的數據集。數據集包含150個數據，分為3類，每類50個數據，每個數據包含4個屬性。通過花萼長度，花萼寬度，花瓣長度，花瓣寬度4個屬性預測鳶尾花卉屬於（Setosa，Versicolour，Virginica）三個種類中的哪一類。

這個散點圖讓我們看到了不同維度的數據：每個點的坐標值x和y分別表示花萼的長度和寬度，點的大小表示花瓣的寬度，三種顏色對應三種不同類型的鳶尾花。這類多顏色多特征的散點圖在探索和演示數據時非常有用。

在處理較少點集的時候scatter方法靈活度更高，可單獨配置並渲染，但所需消耗的計算和內存資源也更多。當數據成千上萬個之後，plot方法的效率更高，因為它對所有點使用一樣的顏色、大小、類型等配置，自然更快。

Python：matplotlib繪制散點圖