未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本节适用于已具备基础Python知识、可使用NumPy和matplotlib的读者，练习以模拟数据绘制散点图；学习时间与考试分数并非实际观测数据。点靠近直线的提示仅用于两个变量均有变化、直线非水平且非竖直时的线性相关形态判断，不能据此推断因果关系或排除非线性关系。本次仅作正文结构审阅，未执行代码或外部核验相关知识链接。

note 适用边界

本节可用于学习以模拟数据绘制散点图，代码中的学习时间和考试分数不是实际观测数据。点靠近直线的提示仅适用于判断线性相关的形态，且需两个变量均有变化、直线非水平且非竖直，不能据此判断因果关系或排除非线性关系。

🟧 散点图（Scatter Plot）

abstract 📋 本节概览

  • 🎯 学习目标：理解什么是散点图，为什么要用散点图，以及如何用Python绘制
  • 📚 前置知识：统计图表与可视化、相关分析
  • ⏱️ 预计用时：8分钟

前置知识

note 📖 **什么是散点图？**

散点图用来展示两个变量之间的关系，每个点代表一组数据的两个数值。

生活例子：

  • 比如你画出每个人的"学习时间"和"考试分数"，若两个变量均有变化，且点集中在一条向右上方倾斜的直线附近，通常表示学习时间和分数具有较强的正线性相关，但不能据此认定因果关系。

🛠️ 散点图学习

  1. 思路说明

    • 用matplotlib库的scatter函数直接绘制
    • x轴和y轴分别是两个变量

  2. 前置知识

    • matplotlib（最常用的Python绘图库）
    • numpy（生成模拟数据）

  3. 代码示例

import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(1, 10, 30)
y = x * 2 + np.random.normal(0, 2, 30)  # y和x有相关性
plt.scatter(x, y, color='orange')
plt.xlabel('学习时间')
plt.ylabel('考试分数')
plt.title('学习时间与考试分数散点图')
plt.show()

tip 💡 点的分布

在两个变量均有变化的情况下，点越集中在一条非水平、非竖直的直线附近，通常表示线性相关越强；这一判断不涵盖非线性关系，也不表示因果关系。

🔗 相关知识