python scatter散點(diǎn)圖用循環(huán)分類法加圖例
更新時(shí)間：2019年03月19日 08:39:14 作者：xiaobaicai4552
這篇文章主要為大家詳細(xì)介紹了python scatter散點(diǎn)圖用循環(huán)分類法加圖例，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
本文實(shí)例為大家分享了python scatter散點(diǎn)圖用循環(huán)分類法加圖例，供大家參考，具體內(nèi)容如下
import matplotlib.pyplot as plt
import kNN
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['axes.unicode_minus']=False
datingDataMat, datingLabels = kNN.file2matrix('datingTestSet2.txt')
plt.figure()
type1_x = [] #一共有3類，所以定義3個(gè)空列表準(zhǔn)備接受數(shù)據(jù)
type1_y = []
type2_x = []
type2_y = []
type3_x = []
type3_y = []
for i in range(len(datingLabels)): #1000組數(shù)據(jù)，i循環(huán)1000次
if datingLabels[i] == '1': #根據(jù)標(biāo)簽進(jìn)行數(shù)據(jù)分類,注意標(biāo)簽此時(shí)是字符串
type1_x.append(datingDataMat[i][0]) #取的是樣本數(shù)據(jù)的第一列特征和第二列特征
type1_y.append(datingDataMat[i][1])
if datingLabels[i] == '2':
type2_x.append(datingDataMat[i][0])
type2_y.append(datingDataMat[i][1])
if datingLabels[i] == '3':
type3_x.append(datingDataMat[i][0])
type3_y.append(datingDataMat[i][1])
plt.scatter(type1_x, type1_y, s=20, c='r', label='不喜歡')
plt.scatter(type2_x, type2_y, s=40, c='b', label='魅力一般')
plt.scatter(type3_x, type3_y, s=60, c='k', label='極具魅力')
plt.legend()
plt.show()
用面向?qū)ο蟮膶懛ǎ?/p>
import matplotlib.pyplot as plt
import kNN
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['axes.unicode_minus']=False
datingDataMat, datingLabels = kNN.file2matrix('datingTestSet2.txt')
plt.figure()
axes = plt.subplot(111)
type1_x = []
type1_y = []
type2_x = []
type2_y = []
type3_x = []
type3_y = []
for i in range(len(datingLabels)):
if datingLabels[i] == '1':
type1_x.append(datingDataMat[i][0])
type1_y.append(datingDataMat[i][1])
if datingLabels[i] == '2':
type2_x.append(datingDataMat[i][0])
type2_y.append(datingDataMat[i][1])
if datingLabels[i] == '3':
type3_x.append(datingDataMat[i][0])
type3_y.append(datingDataMat[i][1])
type1 = axes.scatter(type1_x, type1_y, s=20, c='r')
type2 = axes.scatter(type2_x, type2_y, s=40, c='b')
type3 = axes.scatter(type3_x, type3_y, s=60, c='k')
plt.legend((type1, type2, type3), ('不喜歡', '魅力一般', '極具魅力'))
plt.show()
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Python裝飾器的應(yīng)用場(chǎng)景及實(shí)例用法
在本篇內(nèi)容里小編給大家整理了一篇關(guān)于Python裝飾器的應(yīng)用場(chǎng)景及實(shí)例用法，有興趣的朋友們可以學(xué)習(xí)下。2021-04-04
這篇文章主要介紹了Python 通過正則表達(dá)式快速獲取電影的下載地址，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
Python利用Matplotlib繪制柱狀圖(豎直柱狀圖和水平柱狀圖)、直方圖和餅狀圖
這篇文章主要給大家介紹了關(guān)于Python利用Matplotlib繪制柱狀圖(豎直柱狀圖和水平柱狀圖)、直方圖和餅狀圖的相關(guān)資料,Python使用matplotlib畫圖是非常方便的,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-12-12
在Python中調(diào)用Ping命令,批量IP的方法
今天小編就為大家分享一篇在Python中調(diào)用Ping命令,批量IP的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
幾行代碼讓 Python 函數(shù)執(zhí)行快 30 倍
Python 編程語言，與其他流行編程語言相比主要缺點(diǎn)是它的動(dòng)態(tài)特性和多功能屬性拖慢了速度表現(xiàn)。Python 代碼是在運(yùn)行時(shí)被解釋的，而不是在編譯時(shí)被編譯為原生代碼。在本文中，我們將討論如何用多處理模塊并行執(zhí)行自定義 Python 函數(shù)，并進(jìn)一步對(duì)比運(yùn)行時(shí)間指標(biāo)。2021-10-10
本文給大家總結(jié)了7個(gè)常用的Python正則表達(dá)式的使用范例以及簡(jiǎn)單解釋分析，有需要的小伙伴可以參考下2016-12-12
Python3使用 GitLab API 進(jìn)行批量合并分支
這篇文章主要介紹了Python3使用 GitLab API 進(jìn)行批量合并分支的思路詳解，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-10-10
這篇文章主要介紹了pytorch模型的保存和加載、checkpoint操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-06-06
這篇文章主要介紹了Python實(shí)現(xiàn)釘釘訂閱消息,本文通過實(shí)例代碼截圖的形式給大家展示的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-01-01
Python pip安裝第三方庫實(shí)現(xiàn)過程解析
這篇文章主要介紹了Python pip安裝第三方庫實(shí)現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-07-07