在这里记录一下平时使用Matplotlib绘图的时候遇到的一些零散的知识点，以后在遇到类似的问题，就在这里找啦。
文章目录
1.Sactter函数格式
scatter(x, y, s=None, maker=None,
cmap=None, norm=None, wmin=None,
vmax=None, alpha=None, linewidth=None,
verts=None, edgecolors=None,
hold=None, data=None, **kwargs)
常用的参数的含义：
- x，y 要进行绘制的数据点、
- s 点的大小，也就是面积（默认20）
- c 点的颜色
- maker 点的形状
2.绘图 颜色、线、点的取值
颜色取值有
| 字符 | 颜色 |
|---|---|
| b | 蓝 |
| g | 绿 |
| r | 红 |
| c | 青 |
| m | 品红 |
| y | 黄 |
| k | 黑 |
| w | 白 |
这些事简写的字母，其他的颜色可以直接写全称
线和点的样式取值有
| 字符 | 象征 |
|---|---|
| – | 实线 |
| – | 短划线 |
| -. | 点实线 |
| : | 虚线 |
| . | 点标记 |
| ’ | 像素标记 |
| o | 圆标记 |
| v | 向下三角 |
| ^ | 向上三角 |
| < | 向左三角 |
| > | 向右三角 |
| 1 | Tri_down |
| 2 | Tri_up |
| 3 | Tri_left |
| 4 | Tri_right |
| s | 方形 |
| p | 五边形 |
| * | 星号 |
| h | 六角形1 |
| H | 六角形2 |
| + | 加号 |
| x | X标记 |
| D | 菱形 |
| d | 细菱形 |
3.如何在图像中标注点
使用的是 annotate（） 函数，例如：
x = np.linspace(-1, 5, 100)
y = x
plt.figure()
plt.plot(x, y)
for i in range(5):
plt.scatter(i, i)
plt.annotate('(%d, %d)' %(i, i),
xy=(i ,i), xycoords='data',
xytext=(0, 0), textcoords='offset points'
)
plt.show()
图像：
6.倾斜坐标轴的刻度值
主要是有些刻度值较长的时候，在刻度上显示不方便，所以将值倾斜，使用这个命令：
plt.xticks(rotation=45) # 参数是倾斜的度数
plt.yticks(rotation=45)
7.按照类别划分数据并会hi散点图
假设数据集中有两类数据，一类标签是1，另一类标签是-1，并且所有的数据是随机打乱的， 现在需要我们对数据按照标签划分，并绘制在散点图中。常见的情况是，我们对数据集进行了随机划分（训练集和测试集），这时候可以使用 np.where来选中某一类条件的数据（注意，这个函数只对np.array有效，所以不要对list使用），并且这个函数返回的是一个索引数组，而且因为Numpy数组是支持直接将一个数组作为索引下标的，所以就可以很方便的将两类数据分开，具体例子来说：
x = np.array([[5.4, 3.4],
[5.8, 2.6],
[5., 2.3],
[5.1, 3.4],
[6.6, 2.9],
[4.9, 3.1],
[4.8, 3.4],
[4.6, 3.6],
[4.4, 3.2],
[5.1,3.3]])
y = np.array([-1, 1, 1, -1, 1, -1, -1, -1, -1, -1])
index1 = np.where(y == 1)
index2 = np.where(y != 1)
plt.figure()
plt.scatter(x[index1, 0], x[index1, 1], label='1')
plt.scatter(x[index2, 0], x[index2, 1], label='0')
plt.legend()
plt.grid(True)
plt.show()
这里的数据是随机从 Iris 数据集中取得的，使用的特征是前两个特征，y也就是标签，表示不同种类的鸢尾花，这里的数据就是随机打乱的，我们要在一张图中使用不同的颜色划分不同的数据点，所使用的方法就是上面所说的，效果如图：
赞 (0)
