def vis_result_2D(df,label): fig = plt.figure(figsize=(16,6)) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False ax = fig.add_subplot(121) for i in df['label'].unique(): temp_df = df[df['label']==i] ax.scatter(temp_df['WindSpeed'],temp_df['Power'],s=0.3,color=mcolors.TABLEAU_COLORS[colors[i]],label=i) plt.legend() plt.title("各类异常的分布") plt.grid(True) ax = fig.add_subplot(122) df = df[df['label']==0] ax.scatter(df['WindSpeed'],df['Power'],s=0.3) plt.title("清洗后的结果") plt.grid(True) plt.show()的每句详细注解

这段代码是一个函数 `vis_result_2D`，用于绘制二维散点图展示数据集中不同类别的分布情况。下面是每句话的详细注解：

fig = plt.figure(figsize=(16,6))

创建一个大小为 (16,6) 的新图像。

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

设置字体为中文，避免乱码。

ax = fig.add_subplot(121)

创建一个子图，将其分成 1 行 2 列，当前使用第 1 个子图。

for i in df['label'].unique():
    temp_df = df[df['label']==i]
    ax.scatter(temp_df['WindSpeed'],temp_df['Power'],s=0.3,color=mcolors.TABLEAU_COLORS[colors[i]],label=i)

遍历数据集中所有不同的类别，用不同的颜色绘制每个类别中的数据点，其中 `temp_df` 是指当前类别的数据子集，`s` 是指数据点的大小，`color` 是指数据点的颜色。

plt.legend()
plt.title("各类异常的分布")
plt.grid(True)

添加图例、设置标题和网格线。

ax = fig.add_subplot(122)

创建一个子图，将其分成 1 行 2 列，当前使用第 2 个子图。

df = df[df['label']==0]

选择标签为 0 的数据子集进行绘制。

ax.scatter(df['WindSpeed'],df['Power'],s=0.3)
plt.title("清洗后的结果")
plt.grid(True)

用相同的方式绘制清洗后的数据子集，并添加标题和网格线。

plt.show()

显示图像。