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 Charles抓包实现流程图解,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2020-09-09
这篇文章主要介绍了Python HTTP下载文件并显示下载进度条功能，本文通过实例代码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2020-04-04
今天小编就为大家分享一篇python 实现单通道转3通道，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
本文主要介绍了np.array()函数的使用方法，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2023-02-02
Python中在for循环中嵌套使用if和else语句的技巧
Python的语法糖非常强大,比如Python中在for循环中嵌套使用if和else语句的技巧便十分给力,下面我们就举几个例子来看详细的用法:2016-06-06
Pytorch保存模型其实非常简单,下面这篇文章主要给大家介绍了关于PyTorch模型的保存与加载的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-09-09
这篇文章主要介绍了Python算法之图的遍历，涉及遍历算法BFS和DFS，以及寻找图的(强)连通分量的算法等相关内容，具有一定参考价值，需要的朋友可以了解下。2017-11-11
这篇文章主要给大家介绍了关于Python字典和集合编程技巧的相关资料,Python中的字典和集合是两种非常常用的数据结构,它们可以帮助我们更方便地管理和操作数据,需要的朋友可以参考下2023-09-09
numpy.ndarray.flatten()函数的具体使用
本文主要介绍了numpy.ndarray.flatten()函数的具体使用，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2023-03-03
这篇文章主要介绍了Python数据类型字典dictionary，字典是另一种可变容器模型，且可存储任意类型对象。本篇文字将详细讲述字典的常用方法，需要的可以参考一下2022-03-03
最新评论