Skip to main content
 首页 » 编程设计

python之通过数据集标签定义标记和颜色设置

2025年04月02日15qlqwjy

我认为我的目标很简单。但是我还没有在某个地方检查我隐藏的错误。

我在学习PLA(Perceptron Linear Algorithm),并试图用Python语言实现它。

算法本身已经制定出来了。然后,我想通过算法绘制调整过程。

数据集

dataset = np.array([ 
((1, -0.4, 0.3), -1), 
((1, -0.3, -0.1), -1), 
((1, -0.2, 0.4), -1), 
((1, -0.1, 0.1), -1), 
((1, 0.9, -0.5), 1), 
((1, 0.7, -0.9), 1), 
((1, 0.8, 0.2), 1), 
((1, 0.2, -0.6), 1)])    

I want to plot the scatter point with different style by the label("-1" or "1" in this example)

所以,这是我编写的代码:

def marker_choice(s): 
    if s == 1: 
        marker = "o" 
    else: 
        marker = "x"   
    return marker 
 
def color_choice(s): 
    if s == 1: 
        color = "r" 
    else: 
        color = "b"   
    return color   
 
 
ps = [v[0] for v in dataset] 
label = [v[1] for v in dataset] 
 
fig = plt.figure() 
ax = fig.add_subplot()   
 
ax.scatter([v[1] for v in ps], [v[2] for v in ps], s=80, \ 
           c=color_choice(v for v in np.array(label)),  
           marker=marker_choice(v for v in np.array(label)), 
       ) 

目标

请您参考如下方法:

问题是您的单行循环没有产生您需要的输出。如果你只是运行它们来测试它们的输出,那么结果是 color:'b' 和 marker:'x' 这解释了为什么你的输出是这样的。

下面的解决方案不使用单行循环,但会生成所需的图形。需要注意的一件事是,下面代码输出上的标记与问题中所需输出中的标记是错误的。这只是更改 marker_choice(s) 函数并将 if s==1 更改为 if s == -1 的情况。

import matplotlib.pyplot as plt 
import numpy as np 
 
dataset = np.array([ 
((1, -0.4, 0.3), -1), 
((1, -0.3, -0.1), -1), 
((1, -0.2, 0.4), -1), 
((1, -0.1, 0.1), -1), 
((1, 0.9, -0.5), 1), 
((1, 0.7, -0.9), 1), 
((1, 0.8, 0.2), 1), 
((1, 0.2, -0.6), 1)]) 
 
def marker_choice(s): 
    if s == 1:       # change to -1 here to get the markers the other way around 
        marker = "o" 
    else: 
        marker = "x" 
    return marker 
 
def color_choice(s): 
    if s == 1: 
        color = "r" 
    else: 
        color = "b" 
    return color 
 
ps = [v[0] for v in dataset] 
label = [v[1] for v in dataset] 
 
str_label = [] 
str_marker = [] 
 
for i in (label): 
    a = color_choice(label[i]) 
    str_label.append(a) 
    b = marker_choice(label[i]) 
    str_marker.append(b) 
 
fig, ax = plt.subplots() 
 
for i in range (len(ps)): 
    data = ps[i] 
    data_x = data[1] 
    data_y = data[2] 
    ax.scatter(data_x,data_y, s=80, color = str_label[i], marker=str_marker[i]) 
 
plt.show() 

这会产生以下输出:

注意:我没有测试这段代码的性能与您的原始代码相比如何。