目录

1、散点图

2、随机数据分布

---

1、散点图

散点图是数据集中的每个值都由点表示的图

Matplotlib 模块有一种绘制散点图的方法，它需要两个长度相同的数组，一个数组用于 x 轴的值，另一个数组用于 y 轴的值

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]

y = [99,86,87,88,111,86,103,87,94,78,77,85,86]

x 数组代表每辆汽车的年龄

y 数组表示每个汽车的速度

需要注意的是，x数组中的每一个位置的值与y数组中的每一个位置值一一对应，也即5对应 99，其余以此类推

import matplotlib.pyplot as plt

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]

plt.scatter(x, y)
plt.show()

下面是上面的代码运行结果，可以看到使用年限越长的车，速度越慢

2、随机数据分布

在机器学习中，数据集可以包含成千上万甚至数百万个值

测试算法时，我们可能没有真实的数据，此时必须使用随机生成的值

使用正态分布随机数生成函数numpy.random.normal(）创建两个数组，它们都填充有来自正态数据分布的 1000 个随机数

第一个数组的平均值设置为 5.0，标准差为 1.0

第二个数组的平均值设置为 10.0，标准差为 2.0

代码如下

import numpy
import matplotlib.pyplot as plt

x = numpy.random.normal(5.0, 1.0, 1000)
y = numpy.random.normal(10.0, 2.0, 1000)

plt.scatter(x, y)
plt.show()

我们可以看到，点集中在 x 轴上的值 5 和 y 轴上的 10 周围

我们还可以看到，在 y 轴上扩散得比在 x 轴上更大