python中plt.scatter的图例

在Python中，使用plt.scatter函数绘制散点图时，可以通过添加图例来表示不同数据点的分类。为了添加图例，需要在绘图代码中使用plt.legend()函数，并在函数的参数中传入相应的标签。这些标签可以通过设置label参数来指定，并且需要与每个数据点所对应的分类一致。

例如，可以参考引用中的代码，使用plt.scatter函数绘制花瓣宽度与长度的散点图，并根据数据集中的分类信息添加图例。具体的代码如下所示：

import matplotlib.pyplot as plt
import pandas as pd

# 读入数据
iris = pd.read_csv(r'iris.csv')

# 获取不同分类的数据
setosa = iris[iris['Species'] == 'setosa']
versicolor = iris[iris['Species'] == 'versicolor']
virginica = iris[iris['Species'] == 'virginica']

# 绘制散点图
plt.scatter(setosa['Petal_Width'], setosa['Petal_Length'], label='setosa')
plt.scatter(versicolor['Petal_Width'], versicolor['Petal_Length'], label='versicolor')
plt.scatter(virginica['Petal_Width'], virginica['Petal_Length'], label='virginica')

# 添加图例
plt.legend()

# 设置x轴和y轴标签
plt.xlabel('花瓣宽度')
plt.ylabel('花瓣长度')

# 显示图形
plt.show()

在上述代码中，根据数据集中的分类信息，将不同分类的数据点分别绘制为散点图，并使用label参数为每个数据点所对应的分类指定标签。然后，使用plt.legend()函数将标签添加到图例中。最后，设置x轴和y轴的标签，并显示图形。这样就可以在散点图上添加图例，以便更好地展示数据的分类信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [python scatter散点图用循环分类法加图例](https://download.csdn.net/download/weixin_38721811/14874933)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Python数据可视化的例子——散点图（scatter）](https://blog.csdn.net/weixin_48615832/article/details/108474356)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]