[python函数学习]机器学习实战 - Matplotlib散点图

import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure()  # 创建图例
ax1 = fig.add_subplot(211)  # 新增子图
ax2 = fig.add_subplot(212)  # 新增子图
ax1.scatter(datingDataMat[:,1], datingDataMat[:, 2])
ax2.scatter(datingDataMat[:,1], datingDataMat[:,2], 15.0*array(datingLabels), 15.0*array(datingLabels))
plt.show()

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None,edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)

plt.figure() 创建图例对象实例，如果创建了多个实例，要显示调用close关闭不用的实例。
num – 指定创建的figure名称，默认按创建的顺序构建数字，文本类型；
figsize – 以英寸为单位的宽高(1英寸等于2.54厘米)，用元组表示，figsize=(15,3)；
dpi – 图形分辨率；
facecolor – 背景颜色；
edgecolor – 边框颜色;
frameon – 默认值True为绘制边框，如果为False则不绘制边框；
FigureClass – 可以选择使用自定义图形实例；
clear – 重建figure实例；
**kwargs：允许将自定义的图类绑定到pylab接口中，额外的kwargs将被传递给figure init函数。

plt.subplot()与fig.add_subplot()

plt.subplot()参数和面向对象中的add_subplot()参数和含义都相同。
fig.add_subplot(111) 等价于 fig.add_subplot(1， 1， 1)
表示1行1列第一个图

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

由x和y组成的散点图，具有不同的标记大小/颜色
x, y – 横轴纵轴数据
s – 标记点的大小
c – 颜色，序列，或颜色序列，默认‘b’蓝色