1. 画基本的散点图 plt.scatterdata[:, 0], data[:, 1], marker='o', color='r', label='class1', alpha=0.4)
np.random.multivariate_normal 根据均值和协方差生成多行列表
mu_vec1 = np.array([0, 0]) # 表示协方差 cov_mat1 = np.array([[2, 0], [0, 2]]) # 生成一个100行2列的正态分布 x1_samples = np.random.multivariate_normal(mu_vec1, cov_mat1, 100) x2_samples = np.random.multivariate_normal(mu_vec1+0.2, cov_mat1+0.2, 100) x3_samples = np.random.multivariate_normal(mu_vec1+0.4, cov_mat1+0.4, 100) plt.scatter(x1_samples[:, 0], x1_samples[:, 1], marker='o', color='r', alpha=0.6, label='class1') plt.scatter(x2_samples[:, 0], x2_samples[:, 1], marker='+', color='b', alpha=0.6, label='class2') plt.scatter(x3_samples[:, 0], x3_samples[:, 1], marker='^', color='g', alpha=0.6, label='class3') plt.legend() plt.show()
2. 将散点图的文本显现出来，plt.annotate('%s, %s'%(x, y), xy=(x, y), xytext=(0.1, -15), textcoords='offset points', ha='center')
x_coords = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93] y_coords = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55] plt.scatter(x_coords, y_coords, color='r') # 第一种方式 # for x, y in zip(x_coords, y_coords): # plt.text(x, y, '{0}, {1}'.format(x, y)) # 第二种方式 for x, y in zip(x_coords, y_coords): # plt.annotate() 第一个参数是显现的值，xy表示标注值的位置， xytext表示离标准值的位置，textcoords表示将文本显现，ha表示对齐的方式 plt.annotate('%s, %s'%(x, y), xy=(x, y), xytext=(0.1, -15), textcoords='offset points', ha='center') plt.show()
3. 使用plt.scatter()里面的s属性来控制圆的大小，根据距离原点的距离来画圆的大小
mu_vec1 = np.array([0, 0]) # 标准差 cov_mat1 = np.array([[1, 0], [0, 1]]) X = np.random.multivariate_normal(mu_vec1, cov_mat1, 100) plt.scatter(X[:, 0], X[:, 1], s=((X[:, 0]**2 + X[:, 1]**2 )* 20), color='gray') plt.show()
