import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
#matplotlib默认不显示中文
font = {'family':'MicroSoft YaHei','weight':'bold'}
matplotlib.rc('font',**font) #给matplotlib能够显示中文
####################################sns画图######################################################
data = np.loadtxt('LDA处理后数据.csv', delimiter=',')
y = [0]*5+[1]*5+[2]*5+[3]*5+[4]*5+[5]*5
# 绘图方法三
##添加索引和标签
Lnewdata = pd.DataFrame(data)
##给数据添加列索引名字
Lnewdata.columns = ['特征1','特征2']
L_Y_stea = ['样本{}'.format(i) for i in y] ##列表生成式来添加标签数据
Lnewdata['样本'] = L_Y_stea #最后一列添加一列标签数据
print(Lnewdata)
sns.lmplot(x='特征1', y='特征2', data=Lnewdata, hue='样本',fit_reg=False) # True表示需要拟合线,hue:使点的颜色根据样本类型来画,并且自动生成图例
plt.title('Sns展示')
plt.xlabel('X ')
Seaborn和Matplotlib对多类数据进行可视化并添加图例
最新推荐文章于 2023-12-11 14:12:15 发布
本文介绍了如何使用Seaborn和Matplotlib库处理多类数据可视化的问题,特别是如何避免图例遮挡散点。通过调整plt.xlim()函数设置,可以扩大x轴的范围,确保图例清晰且不覆盖数据点。同时提供了包含多类数据的链接资源,供读者进一步实践。
摘要由CSDN通过智能技术生成