from sklearn.datasets import make_moons
import matplotlib.pyplot as plt
X, y = make_moons(n_samples=50, random_state=123)
print(X,y)
plt.scatter(X[y==0,0], X[y==0,1], color='red', marker='^', alpha=0.5)
plt.scatter(X[y==1,0], X[y==1,1], color='blue', marker='o', alpha=0.5)
plt.show()
在此,数组X将会生成一个50行2列的二维数组
[[ 2.58819045e-01 9.65925826e-01]
[-1.30526192e-01 9.91444861e-01]
[ 2.06646660e-01 -1.08761429e-01]
[ 1.92387953e+00 1.17316568e-01]
[-7.07106781e-01 7.07106781e-01]
[.......................................................]
[ 1.86602540e+00 -3.33066907e-16]]
y对应的是这些数据的分类结果[0 0 1 1 0 0 1 0 1 0 0 1。。。。。。0 1]。
也就是坐标点[ 2.58819045e-01 9.65925826e-01]的对应的编号为0
[-1.30526192e-01 9.91444861e-01]的对应的编号为0
[ 2.06646660e-01 -1.08761429e-01]的对应的编号为1
所以X[y==0,:],是所有编号为0的坐标点,X[y==0,0],是所有编号为0的X坐标,也就是2.58819045e-01、-1.30526192e-01、-7.07106781e-01。X[y==0,1]是所有编号为0的Y坐标,也就是9.65925826e-01、9.91444861e-01、7.07106781e-01