python绘制散点图详细步骤(从0到1必会)
更新时间：2024年12月31日 10:27:20 作者：还不秃顶的计科生
这篇文章主要介绍了如何使用Python绘制散点图,包括导入包、准备数据、绘制图像、修饰图像（添加标题、坐标轴标签、颜色图例）以及整合所有代码,文中通过代码介绍的非常详细,需要的朋友可以参考下
第一部分：导包
#第一步：导包 import numpy as np import matplotlib.pyplot as plt
第二部分：数据准备
#第二步：设置数据集
#2.1样本特征值
data_x=[
[1.3,6],
[3.5,5],
[4.2,2],
[5,3.3],
[2,9],
[5,7.5],
[7.2,4],
[8.1,8],
[9,2.5]
]
#2.2样本的标记值
data_y=[0,0,0,0,1,1,1,1,1]
#2.3将上述两个数组转化为array形式（同时作为训练集）
X_train=np.array(data_x)
Y_train=np.array(data_y)第三部分：绘制图像
因此，我们就可以根据x,y坐标开始绘制散点图了：
#第三步：绘制散点图 #3.1绘制样本为true的散点图 plt.scatter(X_train[Y_train==0,0],X_train[Y_train==0,1],color='red',marker='x') #3.2绘制样本为false的散点图 plt.scatter(X_train[Y_train==1,0],X_train[Y_train==1,1],color='blue',marker='o') plt.show()
修饰操作：
①添加大标题和横纵坐标
plt.title('散点图绘制教程')
plt.xlabel('横坐标')
plt.ylabel('纵坐标')
from pylab import mpl
# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False②右上角给点颜色添加分类（图例）
# 为不同类别指定不同的颜色
colors = {'正确样本': 'red', '错误样本': 'blue'}
#3.1绘制样本为true的散点图
plt.scatter(X_train[Y_train==0,0],X_train[Y_train==0,1],color='red',marker='x',label="正确样本")
#3.2绘制样本为false的散点图
plt.scatter(X_train[Y_train==1,0],X_train[Y_train==1,1],color='blue',marker='o',label="错误样本")整合①②的完整代码：
#第三步：绘制散点图
#3.1绘制样本为true的散点图
plt.scatter(X_train[Y_train==0,0],X_train[Y_train==0,1],color='red',marker='x',label="正确样本")
#3.2绘制样本为false的散点图
plt.scatter(X_train[Y_train==1,0],X_train[Y_train==1,1],color='blue',marker='o',label="错误样本")
plt.title('散点图绘制教程')
plt.xlabel('横坐标')
plt.ylabel('纵坐标')
from pylab import mpl
# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 为不同类别指定不同的颜色
colors = {'正确样本': 'red', '错误样本': 'blue'}
plt.legend()
plt.show()效果：
第四部分：整合上述所有代码（在pycharm上运行）
#第一步：导包
import numpy as np
import matplotlib.pyplot as plt
#第二步：设置数据集
#2.1样本特征值
data_x=[
[1.3,6],
[3.5,5],
[4.2,2],
[5,3.3],
[2,9],
[5,7.5],
[7.2,4],
[8.1,8],
[9,2.5]
]
#2.2样本的标记值
data_y=[0,0,0,0,1,1,1,1,1]
#2.3将上述两个数组转化为array形式（同时作为训练集）
X_train=np.array(data_x)
Y_train=np.array(data_y)
#第三步：绘制散点图
#3.1绘制样本为true的散点图
plt.scatter(X_train[Y_train==0,0],X_train[Y_train==0,1],color='red',marker='x',label="正确样本")
#3.2绘制样本为false的散点图
plt.scatter(X_train[Y_train==1,0],X_train[Y_train==1,1],color='blue',marker='o',label="错误样本")
plt.title('散点图绘制教程')
plt.xlabel('横坐标')
plt.ylabel('纵坐标')
from pylab import mpl
# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
# 为不同类别指定不同的颜色
colors = {'正确样本': 'red', '错误样本': 'blue'}
plt.legend()
plt.show()总结
到此这篇关于python绘制散点图的文章就介绍到这了,更多相关python绘制散点图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python实现的基于优先等级分配糖果问题算法,涉及Python针对列表的遍历、判断、计算等相关操作技巧,需要的朋友可以参考下2018-04-04
在Python中,Numpy是一个强大的数学库,用于处理大型多维数组和矩阵的数学运算,数组是由相同类型的数据元素组成的集合,并且每个元素都可以通过索引进行访问,本文将给大家介绍如何删除numpy数组中的指定索引元素,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了python2使用bs4爬取腾讯社招过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
python函数也可以是一个对象,可以存放在列表中并调用方式
这篇文章主要介绍了python函数也可以是一个对象,可以存放在列表中并调用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-02-02
Python的描述符和属性是接触到Python核心编程中一个比较难以理解的内容，自己在学习的过程中也遇到过很多的疑惑，通过google和阅读源码，现将自己的理解和心得记录下来，也为正在为了该问题苦恼的朋友提供一个思考问题的参考。2016-08-08
这篇文章主要介绍了Python 里最强的地图绘制神器,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-03-03
python使用中多线程、多进程、多协程使用是比较常见的。那么如果在多线程等的使用，我们这个时候我们想从外部强制杀掉该线程请问如何操作？这篇文章带你介绍，感兴趣的同学可以参考阅读2023-03-03
这篇文章主要介绍了Python实现中英文全文搜索的示例，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2020-12-12
这篇文章主要给大家介绍了关于如何利用python正则表达式匹配版本信息的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
今天小编就为大家分享一篇Pytorch Tensor的统计属性实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
最新评论