plot/plt/seaborn.regplot：解决散点图点点重合的办法

庄园最好的宝

已于 2022-06-19 18:39:07 修改

阅读量3.7k

点赞数 4

文章标签：机器学习 python

于 2022-05-16 14:01:16 首次发布

本文链接：https://blog.csdn.net/m0_49214701/article/details/124797712

版权

在处理大量数据点的散点图时，原始的plt.scatter()函数导致数据点重叠，无法清晰展示数据分布。通过增加透明度和使用seaborn的regplot()函数，结合x轴和y轴的抖动参数，可以有效地解决这个问题。进一步地，通过循环为不同类别的数据点分配不同颜色，增强了可视化效果，使得在低准确率情况下也能识别出分类错误的点。最后调整点的大小，使得图更加清晰易读。

摘要由CSDN通过智能技术生成

# 导入模块
from matplotlib import pyplot as plt
from matplotlib import font_manager
import seaborn
my_font = font_manager.FontProperties(fname="C:\Windows\Fonts\MSYHL.TTC")

（将调用的库写在最上面）

你是否会遇到这样的情况，480个数据点，想画成散点图直观地看到数据，结果······

plt.scatter(y_predict,y_test,label='预测情况')

变成了这样子，几百个数据点变成了不到一百个数据？是隐术还是另有玄机？

哦，是他们重叠在一起了。

我先是加了透明度：

plt.scatter(y_predict,y_test,label='预测情况',alpha = 1/5)

但是感觉还差点意思，然后我······

好吧，我直接换了这个，因为想加抖动，但是用ｐｌｏｔ好像不是很好使，网上也找不到清楚说明的，然后发现这个很不错，在原来的基础上直接加一个ｓｅａｂｏｒｎ就可以了，直接代替上面的代码。

下面是加了ｘ轴ｙ轴０．２大小的抖动和０．３的透明度，可以自己调大小。下面是效果。

seaborn.regplot(y_predict,y_test, fit_reg = False,
       x_jitter = 0.2, y_jitter = 0.2, scatter_kws = {'alpha' : 1/3})

我还是不太满意，因为它颜色都一样，我做的是９个数字手写识别预测，横坐标是标签，纵坐标是预测值。可是它颜色都一样，我想看哪些值被分错了。所以我写了循环让系统自己分配颜色。

plt.figure(figsize=(10,5),dpi=80)
plt_label = －１

for i in range(1,len(y_test),48):　
    plt_label += 1
    seaborn.regplot(y_predict,y_test, fit_reg = False,
           x_jitter = 0.2, y_jitter = 0.2, scatter_kws = {'alpha' : 1/3},label = '数字'+ str(plt_label))　＃label = '数字'+ str(plt_label)这个是用作图例
    plt.legend(prop=my_font，,loc='upper left')

这个图你可能看的比较奇妙，和我所用的数据集有关，它的准确率比较低，仅有３６％，是收集了我们班同学的数据集做的。如果准确率高，应该是一条明显的斜对角线！

但是这个感觉点太大了，就又改了一下：

plt.figure(figsize=(15,8),dpi=80)
plt_label = －１

for i in range(1,len(y_test),48):　
    plt_label += 1
    seaborn.regplot(y_predict,y_test, fit_reg = False,
           x_jitter = 0.2, y_jitter = 0.2, scatter_kws = {'alpha' : 1/3，'s':2},label = '数字'+ str(plt_label))　
　　＃在透明度后面跟了ｓ＝２，这个是点的大小的参数，感觉可以深入研究一下这个scatter_kws。
    plt.legend(prop=my_font，,loc='upper left')