Bỏ qua đến nội dung chính
Mục lục

Biểu đồ phân tán với ax.scatter() (matplotlib scatter)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 7/16 · Chương 2

Vẽ biểu đồ với Matplotlib

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Biểu đồ phân tán (scatter plot) trong Matplotlib vẽ mỗi dòng dữ liệu thành một chấm, với tọa độ là hai cột số; bạn vẽ nó bằng ax.scatter(). Bạn dùng nó khi muốn biết hai đại lượng có đi cùng nhau không, như ngày ẩm có ít bụi mịn hơn ngày khô hay không.

Cần biết trước: Figure và Axes và chọn cột.

Vẽ phân tán với ax.scatter()

File khong_khi.csv ghi số đo không khí hằng ngày năm 2025 của sáu tỉnh, thành: mỗi dòng một ngày ở một nơi, có độ ẩm do_am (%), nhiệt độ nhiet_do (°C) và bụi mịn pm25 (µg/m³). Ngày ẩm ở Hải Phòng có ít bụi hơn ngày khô không? Lọc riêng Hải Phòng, rồi đặt độ ẩm lên trục x, PM2.5 lên trục y:

python
import pandas as pd
import matplotlib.pyplot as plt

kk = pd.read_csv("khong_khi.csv")
hp = kk[kk["tinh"] == "Hải Phòng"]
print(len(hp), "ngày")

fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.scatter(hp["do_am"], hp["pm25"])
ax.set_title("Hải Phòng 2025: độ ẩm càng cao, bụi mịn càng ít")
ax.set_xlabel("Độ ẩm (%)")
ax.set_ylabel("PM2.5 (µg/m³)")
plt.show()

KẾT QUẢ

365 ngày
Biểu đồ phân tán 365 ngày ở Hải Phòng năm 2025, trục x là độ ẩm từ 56 đến 96%, trục y là PM2.5; ngày độ ẩm dưới 70% phần lớn có PM2.5 từ 30 đến 80, đám chấm thấp dần sang phải, ngày trên 90% đều dưới 35.

Đám chấm đi xuống từ trái sang phải: ngày độ ẩm dưới 70% có PM2.5 trung vị khoảng 49 µg/m³, còn ngày trên 90% chỉ khoảng 14 và không ngày nào quá 35. Đó là một quan hệ ngược chiều: ẩm hơn thì bụi mịn thấp hơn. Mỗi chấm là một ngày, và khác biểu đồ đường, các chấm không nối nhau, vì thứ tự dòng không mang ý nghĩa gì ở đây. Hình chỉ cho thấy hai đại lượng đi cùng nhau, chưa nói được cái nào gây ra cái nào.

s= và alpha= khi chấm chồng nhau

Bây giờ đổi trục x sang nhiệt độ và vẽ cả sáu tỉnh: 2.190 chấm. Với cỡ mặc định, các chấm đè lên nhau thành mảng đặc, và bạn không còn thấy chỗ nào dày, chỗ nào thưa. s= đặt cỡ chấm (diện tích, tính bằng điểm vuông), alpha= đặt độ trong từ 0 là trong suốt tới 1 là đặc:

python
import pandas as pd
import matplotlib.pyplot as plt

kk = pd.read_csv("khong_khi.csv")
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
cham = ax.scatter(kk["nhiet_do"], kk["pm25"], s=8, alpha=0.3)
ax.set_title("Nhiệt độ và PM2.5 của sáu tỉnh, thành năm 2025")
ax.set_xlabel("Nhiệt độ (°C)")
ax.set_ylabel("PM2.5 (µg/m³)")
print(len(cham.get_offsets()), "chấm, cỡ", cham.get_sizes()[0])
plt.show()

KẾT QUẢ

2190 chấm, cỡ 8
Biểu đồ phân tán 2.190 chấm nhỏ trong mờ của sáu tỉnh năm 2025, trục x là nhiệt độ, trục y là PM2.5; đám dày nhất nằm ở 26 đến 30 độ với PM2.5 dưới 35, một nhánh thưa hơn kéo lên tới khoảng 160 ở phía nhiệt độ thấp.

Đám chấm đậm nhất nằm ở 26 đến 30 °C với PM2.5 dưới 35, chỗ các tỉnh phía Nam và miền Trung tụ lại; nhánh thưa kéo lên tới khoảng 160 thuộc những ngày lạnh ở miền Bắc. Chỗ nhiều chấm chồng lên nhau hiện đậm hơn nhờ alpha=0.3. ax.scatter() trả về một nhóm chấm; get_offsets() cho tọa độ từng chấm, get_sizes() cho cỡ.

Đổi s=8 thành s=30 rồi chạy lại: dòng kết quả in 2190 chấm, cỡ 30, và các chấm to, dính vào nhau hơn.

Tô màu điểm theo nhóm với c=

Hình sáu tỉnh cho thấy mỗi nơi một đám chấm riêng. Muốn tách chúng ra, tô màu mỗi chấm theo tỉnh của nó. c= nhận một dãy màu, mỗi chấm một màu; dùng map() với một dict để đổi tên tỉnh thành tên màu:

python
import pandas as pd
import matplotlib.pyplot as plt

kk = pd.read_csv("khong_khi.csv")
hai = kk[kk["tinh"].isin(["Hà Nội", "TP. Hồ Chí Minh"])]
MAU = {"Hà Nội": "tab:red", "TP. Hồ Chí Minh": "tab:blue"}
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.scatter(hai["nhiet_do"], hai["pm25"], s=10, alpha=0.5,
           c=hai["tinh"].map(MAU))
ax.set_title("Đỏ: Hà Nội, xanh: TP. Hồ Chí Minh, năm 2025")
ax.set_xlabel("Nhiệt độ (°C)")
ax.set_ylabel("PM2.5 (µg/m³)")
plt.show()
Biểu đồ phân tán 730 ngày tô hai màu, trục x là nhiệt độ, trục y là PM2.5; chấm xanh TP. Hồ Chí Minh dồn thành cụm hẹp từ 23 đến 32 độ, PM2.5 dưới 57; chấm đỏ Hà Nội trải rộng từ 14 đến 33 độ, lên tới khoảng 157 ở ngày lạnh.

TP. Hồ Chí Minh nằm gọn trong 23 đến 32 °C và PM2.5 không vượt 57, còn Hà Nội trải từ 14,3 đến 32,7 °C và vọt lên 157 µg/m³ ở những ngày lạnh. c= tô màu được nhưng không tự sinh chú giải, nên tiêu đề phải nói màu nào là gì. Cách thường gọn hơn là vẽ mỗi nhóm một lần, mỗi lần một label=:

python
import pandas as pd
import matplotlib.pyplot as plt

kk = pd.read_csv("khong_khi.csv")
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
for ten, m in zip(["Hà Nội", "Đà Nẵng", "Cần Thơ"], "o^s"):
    nhom = kk[kk["tinh"] == ten]
    ax.scatter(nhom["nhiet_do"], nhom["pm25"], s=10, alpha=0.5,
               marker=m, label=ten)
ax.set_title("Nhiệt độ và PM2.5 của ba tỉnh, thành năm 2025")
ax.set_xlabel("Nhiệt độ (°C)")
ax.set_ylabel("PM2.5 (µg/m³)")
ax.legend()
print("Số nhóm chấm:", len(ax.collections))
plt.show()

KẾT QUẢ

Số nhóm chấm: 3
Biểu đồ phân tán ba nhóm có chú giải, trục x là nhiệt độ, trục y là PM2.5; Hà Nội chấm tròn trải từ 14 đến 33 độ và lên cao ở ngày lạnh; Đà Nẵng tam giác và Cần Thơ chấm vuông tụ thấp, PM2.5 phần lớn dưới 35.

Ba nhóm chấm có ba hình và ba màu, và chú giải ghi đủ tên: Đà Nẵng và Cần Thơ tụ ở PM2.5 thấp, còn Hà Nội vọt cao ở những ngày lạnh. ax.collections giữ mỗi lần gọi scatter() là một nhóm. Muốn tô màu theo một cột số, như độ ẩm, thì c= nhận thẳng cột đó kèm một thang màu; bài màu sắc trong Matplotlib dạy cách này.

Kiểm tra nhanh

  1. Ở ví dụ đầu bài, đám chấm đi xuống từ trái sang phải. Điều đó nói gì?

    • Độ ẩm cao làm PM2.5 giảm
    • Ngày ẩm hơn thường đi cùng PM2.5 thấp hơn
    • Không có quan hệ gì giữa hai cột
  2. Trong khung bẫy, vì sao ax.scatter() báo ValueError?

    • Vì cột pm25 có ô trống
    • Vì trục x có 365 số mà trục y có 2.190 số
    • Vì thiếu nhãn trục
  3. Hình sáu tỉnh có 2.190 chấm đè lên nhau. Tham số nào giúp thấy chỗ dày, chỗ thưa?

    • marker="o"
    • alpha=0.3
    • label="Sáu tỉnh"
  4. Điền tên tham số tô mỗi chấm một màu: ax.scatter(x, y, ____=hai["tinh"].map(MAU))

Đúng hết lần đầu +15 XP

Bài tập

Vẽ phân tán nhiều lớp có chú giải

Bảng bang ghi kết quả khảo sát học sinh khối 10, mỗi dòng một học sinh, với các cột lop (chữ), gio_hoc (số giờ tự học mỗi tuần) và diem (điểm bài kiểm tra). Viết thân hàm ve_phan_tan(bang, cac_lop, co) vẽ trên một axes mới:

  • mỗi lớp trong cac_lop một lần scatter(), theo đúng thứ tự trong list: trục x là gio_hoc, trục y là diem của các học sinh thuộc lớp đó;

  • mọi chấm có cỡ co và độ trong 0.5; mỗi nhóm có label= là tên lớp, và hình có chú giải;

  • tiêu đề đúng là Giờ tự học và điểm kiểm tra theo lớp, nhãn trục x đúng là Thời gian tự học (giờ/tuần), nhãn trục y đúng là Điểm kiểm tra (thang 10).

Hàm không sửa bảng và list của nơi gọi.

Trả về: vùng vẽ, một Axes.

python
import matplotlib.pyplot as plt

def ve_phan_tan(bang, cac_lop, co):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • ax.scatter(x, y) vẽ mỗi dòng một chấm, không nối các chấm; x và y phải dài bằng nhau.

  • Đám chấm đi lên là quan hệ cùng chiều, đi xuống là ngược chiều; hình không chứng minh nguyên nhân.

  • s= đặt cỡ chấm, alpha= đặt độ trong; chấm nhỏ, trong mờ cho thấy chỗ dày, chỗ thưa.

  • c= nhận một dãy màu, mỗi chấm một màu, nhưng không tự sinh chú giải.

  • Vẽ mỗi nhóm một lần scatter() có label= rồi ax.legend() để có chú giải theo nhóm.

Câu hỏi thường gặp

Scatter plot python khác plot() với marker thế nào?

ax.plot(x, y, "o") cũng vẽ chấm, nhanh hơn với dữ liệu lớn, nhưng mọi chấm cùng cỡ, cùng màu. ax.scatter() cho mỗi chấm một cỡ, một màu riêng qua s= và c=. Cần nối điểm theo thời gian thì dùng biểu đồ đường.

Matplotlib scatter plot có tự vẽ đường xu hướng không?

Không. Bạn tự tính đường bằng NumPy, ví dụ np.polyfit(x, y, 1) cho hệ số của một đường thẳng, rồi vẽ đường đó bằng ax.plot() trên cùng vùng vẽ. seaborn có sns.regplot() làm cả hai việc trong một lệnh.

Đo mức liên quan của hai cột bằng con số được không?

Được: hệ số tương quan hp["do_am"].corr(hp["pm25"]) cho một số từ -1 đến 1, với Hải Phòng năm 2025 là khoảng -0,62. Bài tương quan giải thích cách đọc và các giới hạn của con số này.

Biểu đồ phân tán python có quá nhiều điểm thì sao?

Giảm s= và alpha= như ví dụ sáu tỉnh, hoặc lấy mẫu ngẫu nhiên một phần dòng bằng bang.sample(n=500, random_state=1). Với hàng chục nghìn điểm, histogram hai chiều (ax.hist2d()) cho thấy mật độ rõ hơn.

Chủ đề

matplotlib scatter

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập