散点图（scatter diagram），在回归分析中，数据点在直角坐标系平面上的分布图。
散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。
用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。
散点图矩阵
当欲同时考察多个变量间的相关关系时，若一一绘制它们间的简单散点图，十分麻烦。此时可利用散点图矩阵来同时绘制各自变量间的散点图，这样可以快速发现多个变量间的主要相关性，这一点在进行多元线性回归时显得尤为重要
三维散点图
在散点图矩阵中虽然可以同时观察多个变量间的联系，但是两两进行平面散点图的观察的，有可能漏掉一些重要的信息。三维散点图就是在由3个变量确定的三维空间中研究变量之问的关系，由于同时考虑了3个变量，常常可以发现在两维图形中发现不了的信息
散点图通常用于显示和比较数值，例如科学数据、统计数据和工程数据。
当要在不考虑时间的情况下比较大量数据点时，请使用散点图。散点图中包含的数据越多，比较的效果就越好。
气泡图要求每个数据点具有两个值（探顶值和探底值）。
对于处理值的分布和数据点的分簇，散点图都很理想。如果数据集中包含非常多的点（例如，几千个点），那么散点图便是最佳图表类型。在点状图中显示多个序列看上去非常混乱，这种情况下，应避免使用点状图，而应考虑使用折线图。
默认情况下，散点图以圆圈显示数据点。如果在散点图中有多个序列，请考虑将每个点的标记形状更改为方形、三角形、菱形或其他形状。
他们散布在从右上角到左下角的区域。对于两个变量的这种相关关系，我们将他们称为正相关。还有一些变量，例如汽车的重量和汽车每消耗1L汽油所行驶的平均路程，成负相关，汽车越重，每消耗1L汽油所行驶的平均路程就越短，这时的点散布在从左上角到右下角的区域内。
气泡图具有下列图表子类型：
气泡图和三维气泡图气泡图与 XY 散点图类似，但是它们对成组的三个数值而非两个数值进行比较。第三个数值确定气泡数据点的大小。您可以选择气泡图或者三维气泡图子类型。
原文地址：http://yubowang.blog.51cto.com/8929119/1562514
