python中分类数据图形绘制（含图例）——代码解析

1. python分类数据图形绘制

#配置安装包（本人在jupter中实现的）
from sklearn.datasets import make_moons
import matplotlib.pyplot as plt
import numpy as np
#产生分类数据集及标签数据集
X, y = make_moons(n_samples=50, random_state=123)
#make_moons：生成一个简单的玩具数据集————两个交错的半圆，用于可视化聚类和分类算法。
#通过n_samples设置50个两列数据，并给出每列的类别；通过random_state设置随机数种子，保证之后程序运行产生的随机数与之前相同。
#具体的：数组X将会生成一个50行2列的二维数组；y对应的是这些数据的分类结果[0 0 1 1 0 0 1 0 1 0 0 1。。。。。。0 1]
print(X,y)#查看数据集
plt.figure()#设置画布，用于显示图片
plt.rcParams['figure.figsize'] = (12, 8)#设置画布大小
plt.scatter(X[y==0,0], X[y==0,1], color='red',label='Zero',marker='^', alpha=0.5)  # 建立标签类别"0"列表————设置颜色绘制标签为“0”时的数据点，并添加类别标签
plt.scatter(X[y==1,0], X[y==1,1], color='blue',label='One',marker='o', alpha=0.5)# 建立标签类别"1"列表————设置颜色绘制标签为“1”时的数据点，并添加类别标签
plt.legend(loc='upper right',title='Classes')#设置图例位置、标题，并根据之前的labele生成图例
plt.show()#显示图像

[[ 2.58819045e-01 9.65925826e-01]
[-1.30526192e-01 9.91444861e-01]
[ 2.06646660e-01 -1.08761429e-01]
[ 1.92387953e+00 1.17316568e-01]
[-7.07106781e-01 7.07106781e-01]
[ 1.00000000e+00 0.00000000e+00]
[ 1.38268343e+00 -4.23879533e-01]
[ 6.12323400e-17 1.00000000e+00]
[ 1.33974596e-01 0.00000000e+00]
[ 5.00000000e-01 8.66025404e-01]
[-9.23879533e-01 3.82683432e-01]
[ 1.96592583e+00 2.41180955e-01]
[ 1.30526192e-01 9.91444861e-01]
[ 1.50000000e+00 -3.66025404e-01]
[ 7.93353340e-01 6.08761429e-01]
[ 9.91444861e-01 1.30526192e-01]
[ 7.07106781e-01 7.07106781e-01]
[ 3.40741737e-02 2.41180955e-01]
[ 2.00000000e+00 5.00000000e-01]
[-1.00000000e+00 1.22464680e-16]
[ 2.92893219e-01 -2.07106781e-01]
[-3.82683432e-01 9.23879533e-01]
[ 7.41180955e-01 -4.65925826e-01]
[ 8.55513863e-03 3.69473808e-01]
[ 6.08761429e-01 7.93353340e-01]
[-8.66025404e-01 5.00000000e-01]
[ 1.99144486e+00 3.69473808e-01]
[ 9.23879533e-01 3.82683432e-01]
[-9.91444861e-01 1.30526192e-01]
[ 1.79335334e+00 -1.08761429e-01]
[ 8.66025404e-01 5.00000000e-01]
[-5.00000000e-01 8.66025404e-01]
[ 8.69473808e-01 -4.91444861e-01]
[-2.58819045e-01 9.65925826e-01]
[ 1.70710678e+00 -2.07106781e-01]
[ 0.00000000e+00 5.00000000e-01]
[ 1.00000000e+00 -5.00000000e-01]
[ 1.25881905e+00 -4.65925826e-01]
[ 3.82683432e-01 9.23879533e-01]
[ 3.91238571e-01 -2.93353340e-01]
[ 5.00000000e-01 -3.66025404e-01]
[-9.65925826e-01 2.58819045e-01]
[ 1.60876143e+00 -2.93353340e-01]
[-7.93353340e-01 6.08761429e-01]
[-6.08761429e-01 7.93353340e-01]
[ 1.13052619e+00 -4.91444861e-01]
[ 6.17316568e-01 -4.23879533e-01]
[ 7.61204675e-02 1.17316568e-01]
[ 9.65925826e-01 2.58819045e-01]
[ 1.86602540e+00 -3.33066907e-16]] [0 0 1 1 0 0 1 0 1 0 0 1 0 1 0 0 0 1 1 0 1 0 1 1 0 0 1 0 0 1 0 0 1 0 1 1 1
1 0 1 1 0 1 0 0 1 1 1 0 1]

将生成的X、y数据集保存到excle

2.参考文章链接

2.1 python可视化之数据散点图（基础篇—图文并茂详细版！！！）

2.2 记录一下关于plt.scatter(X[y==1,0], X[y==1,1])的解读

2.3 sklearn.datasets.make_moons

2.4 t.scatter()函数解析（最清晰的解释）

2.5 用plt.scatter()画带label的散点图（无需循环，直接根据标签生成）

2.6 plt.figure()参数使用详解及运行演示
2.7问题解决：matplotlib不显示label