matplotlib散點(diǎn)圖這是最后一片，下次是誤差線，先來看幾個圖

接下來看代碼

import matplotlibas mat

import? numpyas np

import? matplotlib.pyplotas plt

x=np.linspace(-5,60,200)

y=np.sin(x)

fig =plt.figure()

plt.subplot(2,1,1)

plt.plot(x,y,'-or',label='sinx')

plt.legend()

plt.subplot(2,1,2)

plt.scatter(x,y,marker='o',label='sinxx')

plt.legend()

fig=plt.figure()

ran =np.random.RandomState(0)

x1=ran.randn(100)

y1=ran.randn(100)

color=ran.rand(100)

size=1000*ran.rand(100)

plt.scatter(x1,y1,c=color,s=size,alpha=0.3,cmap='viridis')

plt.colorbar()

plt.show()

我們將數(shù)據(jù)可視化，這幾行代碼生成三個圖像，分別為

i

2

首先生成模擬數(shù)據(jù)，通過scatter函數(shù)，將數(shù)據(jù)可視化，但是啊因?yàn)槿鐖D形的渲染每個圖像都不同，所以和函數(shù)plot相比，速度要慢上不少，數(shù)據(jù)量越大，越要求使用plot函數(shù)，c，s

，alpalt參數(shù)分別是顏色序列，像素點(diǎn)大小，和透明度，下面給出一個鳶尾花數(shù)據(jù)可視化的例子

????????from sklearn.datasetsimport load_iris

import? numpyas np

import matplotlib.pyplotas plt

iris =load_iris()

features =iris.data.T

plt.scatter(features[0],features[1],alpha=0.2,s=100*features[3],c=iris.target,cmap='viridis')

plt.xlabel(iris.feature_names[0])

plt.ylabel(iris.feature_names[1])

plt.show()

和效果圖

鳶尾花特征可視化

點(diǎn)大小表示花瓣寬度，

代碼有疑問留言和我交流吧，喜歡就點(diǎn)贊，行賞的話就。。你懂的