花瓣维度的散点图

简介: 花瓣维度的散点图
X = iris.data[:,2:]
X
array([[1.4, 0.2],
       [1.4, 0.2],
       [1.3, 0.2],
X[y==0,0]
array([1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.6, 1.4,
       1.1, 1.2, 1.5, 1.3, 1.4, 1.7, 1.5, 1.7, 1.5, 1. , 1.7, 1.9, 1.6,
       1.6, 1.5, 1.4, 1.6, 1.6, 1.5, 1.5, 1.4, 1.5, 1.2, 1.3, 1.5, 1.3,
       1.5, 1.3, 1.3, 1.3, 1.6, 1.9, 1.4, 1.6, 1.4, 1.5, 1.4])
plt.scatter(X[y==0,0],X[y==0,1],color='r',marker='o')
plt.scatter(X[y==1,0],X[y==1,1],color='g',marker='x')
plt.scatter(X[y==2,0],X[y==2,1],color='b',marker='+')
相关文章
|
机器学习/深度学习
这图怎么画| 相关性热图+柱状图
这图怎么画| 相关性热图+柱状图
141 0
|
3月前
|
数据可视化 数据挖掘 Python
绘制带误差分析的柱状图
【9月更文挑战第1天】在数据分析与科研中,带误差分析的柱状图能直观展示数据分布与不确定性。本文介绍使用Python的Matplotlib库和Excel绘制此类图表的方法,包括安装库、准备数据、绘制图表及添加误差线等步骤,帮助用户根据需求进行调整与定制。
|
4月前
|
缓存 算法 前端开发
热力图生成算法及其具体实现
热力图生成算法及其具体实现
79 0
|
6月前
|
数据挖掘
散点图中实现数据的线性回归分析
散点图中实现数据的线性回归分析
49 2
|
7月前
|
计算机视觉 Python
直方图基础
直方图基础。
58 1
|
7月前
|
数据可视化 数据挖掘 Linux
Seaborn中的分布图:轻松展示数据分布情况
【4月更文挑战第17天】Seaborn是数据分析中的利器,提供直观的分布图以展示数据特性。包括:直方图(histplot,可选KDE),用于观察数据集中趋势和异常值;核密度估计图(kdeplot),呈现连续分布估计;箱线图(boxplot),通过中位数和四分位数展示分布和异常值;小提琴图(violinplot),结合箱线图和KDE,显示详细分布信息。通过自定义参数,可优化图表样式,提升可视化效果,助力数据分析。
|
7月前
|
数据可视化
绘制GGPLOT2双色XY区间面积图组合交叉折线图数据可视化
绘制GGPLOT2双色XY区间面积图组合交叉折线图数据可视化
|
数据挖掘
这图怎么画| 批量小提琴图+箱线图+散点+差异分析
这图怎么画| 批量小提琴图+箱线图+散点+差异分析
337 0
|
数据挖掘
这图怎么画| 多组箱线图+组间/内差异分析
这图怎么画| 多组箱线图+组间/内差异分析
238 0
|
数据可视化
R|散点图+边际图(柱形图,小提琴图),颜值区UP
R|散点图+边际图(柱形图,小提琴图),颜值区UP
158 0