# 绘制散点图 fig_scatter = plt.Figure(figsize=(6, 6), dpi=75) ax_scatter = fig_scatter.add_subplot(111) ax_scatter.scatter(df["Flavanoids"], df["OD"], c=df["Wine"]) ax_scatter.set_xlabel("Flavanoids") ax_scatter.set_ylabel("OD") ax_scatter.set_title("Wine") scatter_canvas = FigureCanvasTkAgg(fig_scatter, master=plot_window) scatter_canvas.draw() scatter_canvas.get_tk_widget().pack(side="left", fill=tk.BOTH, expand=True) 怎么修改散点图里散点的颜色

要修改散点图里散点的颜色，可以在 scatter() 方法中指定 c 参数的值，例如：

ax_scatter.scatter(df["Flavanoids"], df["OD"], c="red")

这样就会将散点的颜色全部设置为红色。如果想根据数据的不同取值设置不同的颜色，可以将 c 参数设置为数据的 Series 对象，例如：

ax_scatter.scatter(df["Flavanoids"], df["OD"], c=df["Wine"])

这样就会根据 df["Wine"] 中的不同取值自动设置不同的颜色。如果想手动指定颜色，可以将 c 参数设置为一个与数据长度相同的颜色列表，例如：

colors = ["red", "green", "blue"]
ax_scatter.scatter(df["Flavanoids"], df["OD"], c=colors)

这样就会将数据中的前三个点分别设置为红色、绿色、蓝色。

相关问题

# 在窗口中添加“导入按钮”，点击后绘制散点图 import_button = tk.Button(scatter_window, text="导入wine.csv文件并绘制散点图", command=show_scatter, bg="light yellow", fg="dark blue", relief="raised", borderwidth=3, activebackground="light blue", activeforeground="black") import_button.pack(side="top", padx=10, pady=10) # 在图像框架中创建图形 fig = plt.Figure(figsize=(7, 5), dpi=80) ax = fig.add_subplot(111) # 创建“散点图”按钮 scatter_button = tk.Button(root, text="散点图", command=create_scatter_window, bg="light yellow", fg="dark blue", relief="raised", borderwidth=3, activebackground="light blue", activeforeground="black") scatter_button.pack()解释每一句代码含义

import_button = tk.Button(scatter_window, text="导入wine.csv文件并绘制散点图", command=show_scatter, bg="light yellow", fg="dark blue", relief="raised", borderwidth=3, activebackground="light blue", activeforeground="black")
这句代码创建了一个名为import_button的按钮，按钮的文本为“导入wine.csv文件并绘制散点图”，当按钮被点击时会执行show_scatter函数。按钮的背景色为“light yellow”，前景色为“dark blue”，边框的样式为“raised”，边框宽度为3，当按钮被激活时的背景颜色为“light blue”，前景颜色为“black”。

import_button.pack(side="top", padx=10, pady=10)
这句代码将import_button按钮放在scatter_window窗口的顶部，并且在x和y方向上都有10个像素的间距。

fig = plt.Figure(figsize=(7, 5), dpi=80)
这句代码创建了一个名为fig的图形，其大小为7*5，dpi为80。

ax = fig.add_subplot(111)
这句代码创建了一个名为ax的子图，将其添加到fig图形中。其中，111表示在fig中创建1x1的子图，并将其放在第一个位置。

scatter_button = tk.Button(root, text="散点图", command=create_scatter_window, bg="light yellow", fg="dark blue", relief="raised", borderwidth=3, activebackground="light blue", activeforeground="black")
这句代码创建了一个名为scatter_button的按钮，按钮的文本为“散点图”，当按钮被点击时会执行create_scatter_window函数。按钮的背景色为“light yellow”，前景色为“dark blue”，边框的样式为“raised”，边框宽度为3，当按钮被激活时的背景颜色为“light blue”，前景颜色为“black”。

scatter_button.pack()
这句代码将scatter_button按钮放在root窗口中。

import matplotlib.pyplot as plt from sklearn.decomposition import PCA # 进行PCA降维 pca = PCA(n_components=2) x_pca = pca.fit_transform(x) # 绘制散点图 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) ax1.scatter(x_pca[:, 0], x_pca[:, 1], c=y) ax1.set_title('Original dataset') # 进行ADASYN过采样 adasyn = ADASYN(random_state=42) x_resampled, y_resampled = adasyn.fit_resample(x, y) # 进行PCA降维 x_resampled_pca = pca.transform(x_resampled) # 绘制散点图 ax2.scatter(x_resampled_pca[:, 0], x_resampled_pca[:, 1], c=y_resampled) ax2.set_title('Resampled dataset') plt.show()把点弄小一点

你可以调整`scatter`函数中的`s`参数来改变散点的大小。例如，将`s`设置为`10`可以使散点变得更小：

import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# 进行PCA降维
pca = PCA(n_components=2)
x_pca = pca.fit_transform(x)

# 绘制散点图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))
ax1.scatter(x_pca[:, 0], x_pca[:, 1], c=y, s=10)
ax1.set_title('Original dataset')

# 进行ADASYN过采样
adasyn = ADASYN(random_state=42)
x_resampled, y_resampled = adasyn.fit_resample(x, y)

# 进行PCA降维
x_resampled_pca = pca.transform(x_resampled)

# 绘制散点图
ax2.scatter(x_resampled_pca[:, 0], x_resampled_pca[:, 1], c=y_resampled, s=10)
ax2.set_title('Resampled dataset')
plt.show()

该代码将原始数据集和ADASYN过采样后的数据集投影到二维平面上，并使用散点图进行可视化比较。其中，原始数据集的样本点用不同颜色进行区分，而过采样后的样本点则全部用相同颜色表示。所有散点的大小都设置为了`10`。你可以根据需要调整`s`参数的大小。