matplotlib散点图这是最后一片，下次是误差线，先来看几个图
接下来看代码
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()
我们将数据可视化，这几行代码生成三个图像，分别为
首先生成模拟数据，通过scatter函数，将数据可视化，但是啊因为如图形的渲染每个图像都不同，所以和函数plot相比，速度要慢上不少，数据量越大，越要求使用plot函数，c，s
，alpalt参数分别是颜色序列，像素点大小，和透明度，下面给出一个鸢尾花数据可视化的例子
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()
和效果图
点大小表示花瓣宽度，
代码有疑问留言和我交流吧，喜欢就点赞，行赏的话就。。你懂的
