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
python检测文件夹变化,并拷贝有更新的文件到对应目录的方法
今天小编就为大家分享一篇python检测文件夹变化,并拷贝有更新的文件到对应目录的方法。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2018-10-10
在处理合同审批、技术文档迭代或公文修订时,手动核对不同版本间的修改和差异较为耗时,下面我们就来看看Python如何配合 Spire.Doc 库将这种重复性的手动操作转化为自动化脚本吧2026-03-03
Pandas是Python中最流行的数据处理和分析库之一,在数据分析过程中,有时候需要在Dataframe中插入新的数据列,本文主要介绍了Pandas DataFrame实现任意位置插入一列或一行,具有一定的参考价值,感兴趣的可以了解一下2023-08-08
这篇文章主要介绍了在 Python 应用中使用 MongoDB的方法,需要的朋友可以参考下2017-01-01
内存管理是指在程序的运行过程中，分配内容和回收内存的过程。如果只分配，不回收，电脑上那点内存很快就被用光。幸运的是，Python和Java等高级语言会自动管理内存的分配和回收2022-07-07
在深度学习领域,PyTorch 是一个广泛使用的框架,它提供了丰富的API来处理张量（tensor）,在模型开发过程中,我们经常需要改变张量的形状以满足特定的需求,本文将介绍在 PyTorch 中改变张量形状的几种方法,需要的朋友可以参考下2025-02-02
面向对象编程是一种编程方式，此编程方式的落地需要使用“类”和 “对象”来实现，所以，面向对象编程其实就是对 “类”和“对象” 的使用，今天给大家介绍下python 面向对象开发及基本特征，感兴趣的朋友一起看看吧2022-10-10
这篇文章主要介绍了基于python实现查询ip地址来源,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2020-06-06
这篇文章主要介绍了python 排序算法总结及实例详解的相关资料,需要的朋友可以参考下2016-09-09
这篇文章主要介绍了Python使用matplotlib 画矩形的三种方式,结合实例形式分析了Python基于matplotlib绘制矩形的具体实现方法与相关操作注意事项,需要的朋友可以参考下2019-10-10
最新评论