scatterpython

⑴ python scatter 中的参数s到底是什么意思啊

s其实设置的就是散点图中每个点的大小，可以设置为标量或向量，如果是标量那么所有点大小一样，如果是向量那么就得传入一个与x或者y形状一样的向量去单独设置每个点的大小。

eg.

x = torch.Tensor([1.4, 5, 11, 16, 21])
y = torch.Tensor([14.4, 29.6, 62, 85.5, 113.4])

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

情况1：设置s = 10

s=[10,50,100,200,300]时的散点图

⑵ Python可视化|matplotlib10-绘制散点图scatter

本文详细介绍如何使用Python的matplotlib库绘制散点图，以鸢尾花数据集为例。首先，了解鸢尾花数据集的基本信息，包括数据集的描述、特征、目标值以及类别的分布等。

数据集包含四列特征信息，即花萼长度、花萼宽度、花瓣长度和花瓣宽度，单位为厘米。数据集共有150条记录，每类鸢尾花50条，分别为Setosa（山鸢尾花）、Versicolor（杂色鸢尾花）和Virginica（维吉尼亚鸢尾花）。

使用matplotlib.pyplot.scatter函数绘制散点图时，需要传入特征数据和目标值作为输入参数。以花瓣长度和花瓣宽度为例，可以将目标值映射为不同的颜色或符号，直观展示不同类别间的分布情况。

同样，使用matplotlib.axes.Axes.scatter函数绘制散点图的步骤与之类似，但提供了更多的定制选项，如坐标轴标签、标题、图例等。通过适当调整参数，可以得到更加美观且信息丰富的图表。

绘制散点图是数据分析和可视化的重要工具，能够帮助我们快速理解数据集的分布、关联性和潜在模式。在本例中，通过绘制散点图，我们可以观察到不同鸢尾花类别的花瓣长度和宽度之间的关系，进一步分析鸢尾花的特征。

在实践过程中，可以尝试使用scikit-learn等机器学习库配合matplotlib进行数据预处理、特征选择和模型训练，以实现更深入的数据分析与可视化。

参考相关资料，进一步学习matplotlib和scikit-learn的使用方法，可以访问以下链接：scikit-learn.org/stable... matplotlib.org/api/_as_... matplotlib.org/api/_as_...

感谢阅读，希望本文对您有所帮助。