与线型图类似的是，散点图也是一个个点集构成的。但不同之处在于，散点图的各点之间不会按照前后关系以线条连接起来。
用plt.plot画散点图
奇怪，代码和前面的例子差不多，为什么这里显示的却是散点图而不是sin曲线呢？原因有二：一是点集比较少，稀疏，才30个；二是没有指定线型。
用plt.scatter画散点图
scatter专门用于绘制散点图，使用方式和plot方法类似，区别在于前者具有更高的灵活性，可以单独控制每个散点与数据匹配，并让每个散点具有不同的属性。
一般使用scatter方法，如下例子就可以了：
plt.scatter(x, y, marker='o')
下面看一个随机不同透明度、颜色和大小的散点例子：
主要参数说明:
x，y：输入数据
s：标记大小，以像素为单位
c：颜色
marker：标记
alpha：透明度
linewidths：线宽
edgecolors ：边界颜色
上面的例子可以拓展到Scikit-learn中经典的鸢尾花iris数据来演示。
Iris数据集是常用的分类实验数据集，由Fisher在1936收集整理，是一类多重变量分析的数据集。数据集包含150个数据，分为3类，每类50个数据，每个数据包含4个属性。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
这个散点图让我们看到了不同维度的数据：每个点的坐标值x和y分别表示花萼的长度和宽度，点的大小表示花瓣的宽度，三种颜色对应三种不同类型的鸢尾花。这类多颜色多特征的散点图在探索和演示数据时非常有用。
在处理较少点集的时候scatter方法灵活度更高，可单独配置并渲染，但所需消耗的计算和内存资源也更多。当数据成千上万个之后，plot方法的效率更高，因为它对所有点使用一样的颜色、大小、类型等配置，自然更快。
