plt绘制 2维、3维散点图

最新推荐文章于 2025-06-05 10:51:27 发布

转载最新推荐文章于 2025-06-05 10:51:27 发布 · 1k 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/callyblog/p/10083885.html

文章标签：

#c/c++ #python #人工智能

本文通过使用Python的matplotlib和sklearn库，展示了如何生成3D和2D的数据可视化图表。具体包括了如何创建分类数据，以及如何根据不同类别用不同颜色在3D和2D空间中展示这些数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 3维
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets.samples_generator import make_classification
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure() 
ax = Axes3D(fig) 
data,labels=make_classification(n_samples=1000,n_features=3,n_redundant=0,n_informative=2,
                             random_state=1,n_clusters_per_class=2)

unique_lables=set(labels)
colors=plt.cm.Spectral(np.linspace(0,1,len(unique_lables)))
for k,col in zip(unique_lables,colors):
    x_k=data[labels==k]
    ax.scatter3D(x_k[:,0],x_k[:,1],x_k[:, 2], c=col) # 开始绘制，x_k[:,0] 表示取第一维

plt.title('data by make_classification()')
plt.show()

# 2维

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets.samples_generator import make_classification

data,labels=make_classification(n_samples=100,n_features=2,n_redundant=0,n_informative=2,
                             random_state=5,n_clusters_per_class=2)
unique_lables=set(labels)
colors=plt.cm.Spectral(np.linspace(0,1,len(unique_lables)))
for k,col in zip(unique_lables,colors):
    x_k=data[labels==k]
    plt.plot(x_k[:,0],x_k[:,1],'o',markerfacecolor=col,markeredgecolor="k",
    markersize=10)
plt.title('data by make_classification()')
plt.show()