Python Matplotlib绘制散点图：北京2016年气温数据分析

阿麦

发布时间：2026-10-13 | 4人浏览过

原创

本文通过Python的Matplotlib库，演示如何利用散点图分析北京2016年3月与10月的每日最高气温变化规律。文章提供了完整的数据定义、绘图代码及参数设置详解，包括坐标轴调整、标签旋转及图例添加，帮助读者掌握散点图在时间序列数据分析中的实际应用。

散点图应用背景与数据准备

假设通过爬虫获取了北京2016年3月和10月每天白天的最高气温数据（分别存储在列表a和b中），此时如何寻找出气温随时间（天）变化的某种规律？

a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

代码实现方面，基本逻辑与绘制折线图类似，仅存在细微差别。

Matplotlib散点图代码实现


from matplotlib import pyplot as plt
import matplotlib

font = {'family': 'MicroSoft YaHei'}
matplotlib.rc('font', **font)
# 三月份和十月份的气温
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1, 32)
x_10 = range(51, 82)

plt.figure(figsize=(16, 8), dpi=80)
# 使用scatter方法绘制散点图散点图，其它的和之前绘制折线图没有太大区别
plt.scatter(x_3, y_3, label='三月份')
plt.scatter(x_10, y_10, label='十月份')
# 调整x轴的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ['3月{}号'.format(i) for i in x_3] + ['10月{}号'.format(i-50) for i in x_10]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45) # 步长为3，旋转45度

# 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('气温散点图')
plt.legend() # 图例

plt.show() # 展示

效果图如下所示。