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

plt.scatter(x,y1) plt.scatter(x,y2) plt.scatter(x,y3)是什么意思

这段代码使用matplotlib库绘制散点图。其中，x是数据点的横坐标，y1、y2、y3是三组数据点的纵坐标。plt.scatter(x,y1)表示绘制一组数据点，plt.scatter(x,y2)表示绘制另一组数据点，plt.scatter(x,y3)表示绘制第三组数据点。每组数据点的横坐标都是相同的x值，但纵坐标不同，因此可以在同一张图上比较不同数据点之间的关系。

示例代码如下：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)

# 绘制散点图
plt.scatter(x, y1)
plt.scatter(x, y2)
plt.scatter(x, y3)

# 显示图像
plt.show()

plt.scatter ax.scatter

`plt.scatter` 和 `ax.scatter` 都是用于绘制散点图的 Matplotlib 方法，它们之间的主要区别在于使用的对象和用法。

`plt.scatter` 是 Matplotlib 的顶层函数之一，它可以在当前图形中绘制散点图。如果您只想绘制一个简单的散点图，那么 `plt.scatter` 是一个很好的选择。它的用法非常简单，只需要将 x 和 y 数据传递给它即可。例如：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(50)
y = np.random.rand(50)

plt.scatter(x, y)
plt.show()

`ax.scatter` 是在 Matplotlib 中 Axes 对象的方法，它允许您在特定的 Axes 对象中绘制散点图。如果您需要在一个图形中绘制多个子图，或者需要更精细地控制每个子图的属性，那么使用 `ax.scatter` 是更好的选择。例如：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()

x = np.random.rand(50)
y = np.random.rand(50)

ax.scatter(x, y)
plt.show()

在这个例子中，我们首先创建一个新的 Figure 对象和一个 Axes 对象，并将它们存储在 fig 和 ax 变量中。然后，我们使用 ax.scatter() 方法在 Axes 对象上绘制散点图。这使我们可以更好地控制每个子图的属性，例如轴标签、标题、背景颜色等。最后，我们使用 plt.show() 方法显示图形。

总的来说，`plt.scatter` 是一个更简单的方法，适用于绘制单个散点图，而 `ax.scatter` 更适合于需要更多控制和更复杂图形的情况。