Python3入门机器学习 - 数据可视化基础matplotlib_机器学习3d可视化数据-优快云博客

本文介绍如何使用Python的Matplotlib库绘制不同类型的图表，包括折线图和散点图，并以鸢尾花数据集为例，展示如何通过散点图进行特征可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先上张图

折线图

plt.plot(x,siny,label="sin(x)")
plt.plot(x,cosy,color="red",linestyle="--",label="cos(x)")
plt.axis([-2,12,-2,2]) //设置横纵坐标范围，也可以使用 plt.xlim(-2,12) plt.ylim(-2,2)来设置
plt.xlabel("x axis")
plt.ylabel("y value")
plt.legend()
plt.title("Hello Machine Learning!")
plt.show()

散点图

散点图一般用于绘制二维特征，即横纵两个轴都是特征

x = np.random.normal(0,1,10000)
y = np.random.normal(0,1,10000)
plt.scatter(x,y,alpha=0.3)
plt.show()

鸢尾花数据集散点特征

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

iris = datasets.load_iris()
iris.keys()
data = iris['data']
target = iris['target']

plt.scatter(data[target==0,0],data[target==0,1],color="red")
plt.scatter(data[target==1,0],data[target==1,1],color="green",marker='+')
plt.scatter(data[target==2,0],data[target==2,1],color="blue",marker='x')
plt.show()

以鸢尾花数据集前两列特征绘制特征图

plt.scatter(data[target==0,2],data[target==0,3],color="red")
plt.scatter(data[target==1,2],data[target==1,3],color="green",marker='+')
plt.scatter(data[target==2,2],data[target==2,3],color="blue",marker='x')
plt.show()