plt.scatter()怎么用，举个例

例子：假设我们有一些数据，包含两个特征X和Y，我们想要用散点图的形式展示它们之间的关系。

代码如下：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.random.rand(50)
y = np.random.rand(50)

# 绘制散点图
plt.scatter(x, y)

# 显示图像
plt.show()

解释：

首先导入了matplotlib.pyplot模块，并将它重命名为plt。

然后生成了两个长度为50的随机数组x和y。

最后使用plt.scatter(x, y)函数绘制了散点图，并使用plt.show()函数显示图像。

结果是一张包含50个随机点的散点图。

相关问题

df1 = data[data.cluster==0] df2 = data[data.cluster==1] df3 = data[data.cluster==2] df4 = data[data.cluster==3] df5 = data[data.cluster==4] plt.scatter(df1.Returns,df1.Variance,color='green',label='cluster 0') plt.scatter(df2.Returns,df2.Variance,color='red',label='cluster 1') plt.scatter(df3.Returns,df3.Variance,color='black',label='cluster 2') plt.scatter(df4.Returns,df4.Variance,color='yellow',label='cluster 3') plt.scatter(df5.Returns,df5.Variance,color='yellow',label='cluster 4') plt.scatter(km.cluster_centers_[:,0],km.cluster_centers_[:,1],color='purple',marker='*',label='centroid') plt.xlabel('Returns') plt.ylabel('Variance') plt.legend()解释一下

这段代码是对聚类结果进行可视化展示，首先通过筛选出每个聚类的数据子集，分别赋值给 df1~df5 这 5 个变量。然后，使用 matplotlib 库的 scatter() 方法，分别将每个聚类的数据点在二维坐标系中绘制出来。其中，每个聚类使用不同的颜色进行标识，如 cluster 0 使用绿色、cluster 1 使用红色、cluster 2 使用黑色、cluster 3 使用黄色、cluster 4 使用紫色。通过 scatter() 方法还绘制了每个聚类的质心 centroid，使用紫色星号进行标识。最后，通过 xlabel() 和 ylabel() 方法设置了坐标轴的标签，通过 legend() 方法添加了图例。这样，我们可以通过图像直观地观察到聚类结果，进而进行后续的分析和决策制定。

plt.scatter(data['MEDV'], data['B'], alpha=0.5) plt.xlabel('MEDV') plt.ylabel('B') plt.title('Scatter plot of MEDV and B') plt.show() plt.scatter(data['MEDV'], data['LSTAT'], alpha=0.5) plt.xlabel('MEDV') plt.ylabel('LSTAT') plt.title('Scatter plot of MEDV and LSTAT') plt.show()

这是一个使用matplotlib库在Python中绘制散点图的代码示例。第一段代码绘制了'MEDV'和'B'之间的散点图，第二段代码绘制了'MEDV'和'LSTAT'之间的散点图。在绘制散点图时，'MEDV'被设置为横坐标，而'B'和'LSTAT'被设置为纵坐标。通过alpha参数设置透明度，使得散点图更易于观察。xlabel和ylabel函数用于设置横纵坐标的标签，title函数用于设置图表的标题。最后，使用show函数显示图表。