ax.scatter特征值散点图

二维图示

import matplotlib.pyplot as plt

from scipy.io import loadmat

alldata = loadmat('E:\BCI\physionet\mat\s1data\Model_csp3_1\model2\model2_3\Real_fea.mat')

data=alldata['feature_L_R']

ax = plt.subplot()

ax.set_title("Input data")

# Plot the training points

ax.scatter(data[0:35, 0],data[0:35, 1] , c='r',label='left',

edgecolors='k')#向左想象的特征向量选择两维

ax.scatter(data[35:70, 0],data[35:70, 1] , c='g',label='right',

edgecolors='k')#向右想象的特征向量选择两维

plt.legend(loc='upper right')#图标显示在图的右上角

plt.show()

第二种画法：

import matplotlib.pyplot as plt

from matplotlib.colors import ListedColormap

cm = plt.cm.RdBu

cm_bright = ListedColormap(['#FF0000', '#0000FF'])

ax = plt.subplot(len(datasets), len(classifiers) + 1, i)

ax.scatter(X_train[:, 0], X_train[:, 1], c=y_train, cmap=cm_bright,

edgecolors='k')

# and testing points

ax.scatter(X_test[:, 0], X_test[:, 1], c=y_test, cmap=cm_bright, alpha=0.6,

edgecolors='k')

plt.show()

代码说明：

cm_bright:表示绘制两个颜色

X_train:数据格式为100*2的二维数组，是100个特征，每个特征又两个特征值，对应散点图的x和y。相对应的y_train为100的一维数组，其值为0或1，代表训练的100个数据的类别，为0的在散点图中为一种颜色，为1的在散点图中为另一种颜色。

测试数据的格式同上。

三维图示

import matplotlib.pyplot as plt

from scipy.io import loadmat

alldata = loadmat('E:\BCI\physionet\mat\s1data\Model_csp3_1\model2\model2_3\Real_fea.mat')

data=alldata['feature_L_R']

for i in range(34):

ax = plt.subplot(111, projection='3d') # 创建一个三维的绘图工程

#将数据点分成三部分画，在颜色上有区分度

ax.scatter(data[0:35,i],data[0:35,i+1],data[0:35,i+2],c='r') #绘制数据点

ax.scatter(data[35:70,i],data[35:70,i+1],data[35:70,i+2],c='g')

ax.set_zlabel('Z') #坐标轴

ax.set_ylabel('Y')

ax.set_xlabel('X')

plt.show()

说明：data数据为35*36，