散点图

导包

1 import numpy as np
2 import pandas as pd
3 import matplotlib as mpl
4 import matplotlib.pyplot as plt
5 import seaborn as sns

二维图（一个标签）

X1是10个随机数，满足正态分布，y与X1线性相关。

1 X1=np.random.randn(10)
2 y=X1+X1**2-3

1 # 确定画布尺寸
2 plt.figure(figsize=(8,4)) 
3 # 绘图
4 plt.scatter(X1,y,s=50,c='red',label='Positive')  #s是点的大小
5 #显示label
6 plt.legend()  

效果图如下.

 　　　　　　图1-1 X1与y的图形

 二维图（两个标签）

X1是一个二维数组，10行2列。我将X1的第一列数据作为X轴，X1的第二列数据作为Y轴，一共可绘制除10个点。10个点分为两类，类别对应数组cate，0为一类，1为一类.

1 X1=np.random.randn(10,2)
2 cate=[0,1,1,1,0,1,1,0,0,1]
3 plt.scatter(X1[:,0],X1[:,1],s=20,c=cate)

图形绘制如下.

　　　　　　图 1-2 X1[:,0]与X1[:,1]对应关系

 由图可知，虽然已经画出了十个点，并且分为了两类，但是并没有显示两个label.scatter里面的label属性只能填一个值，不能填多个值或是传入数组.为了显示对应的图例，我们

需要借助循环.为了方便说明，我先将所有分类列举出来。

我们通过y==0和y==1筛选出两个类型的数据，然后利用将x和y的数据分开，最后给不同类别添上不同的颜色和标签名。

1 plt.scatter(X1[y==0,0],X1[y==0,1],s=20,c='r',label='zero')
2 plt.legend()

1 plt.scatter(X1[y==0,0],X1[y==0,1],s=20,c='r',label='zero')
2 plt.scatter(X1[y==1,0],X1[y==1,1],s=20,c='g',label='one')
3 plt.legend()

 　　　　　　图1-3 zero类的数据散点图　　　　　　　　　　　　图1-4 zero类和one类的数据散点图

借助for循环画图

1 colors=['blue','green']
2 labels=['good','bad']
3 for i in range(2):
4     plt.scatter(X1[y==i,0],X1[y==i,1],c=colors[i],label=labels[i])
5 plt.legend()

 　　　　　　　图 1-5 for循环实现散点图

二维图（多个标签）

查看某个特征里的所有取值,以及取值个数

1 uniq=np.unique(data['category'])
2 len(uniq)

 　　　　　　　　图 2-1 特征category取无重复值个数　　　　　　　　　　　　　　图2-2  特征category共能取14种值

由图可知，我们会使用到始终不同的颜色去渲染图表，这里我们可以使用plt给我们提供的光谱。

1 color=plt.cm.tab10(5.2)
2 # 每一个浮点数代表一种颜色

 　　　　　　　　　　　　图2-3  color对应颜色的rgba

我们规定横坐标为特征area，纵坐标为特征poptoral，一共分为14类。

 循环次数是类别个数，x轴是对应类别的area特征，y轴是对应类别的poptotal特征，我们颜色借助了光谱，在导入颜色时要将颜色数据转换成二维数组。

1 for i in range(len(cate)): 
　　　 plt.scatter(data.loc[data.category==cate[i],'area'],data.loc[data.category==cate[i],'poptotal'],s=20,c=np.array(plt.cm.tab10(i/len(cate))).reshape(1,-1),label=cate[i])
2 plt.legend()

　　　　　　　　　图  2-4 area和poptotal散点图