散点图抛出TypeError

Question

我正在尝试以下代码：

from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
scaler=StandardScaler()
from sklearn.linear_model import LogisticRegression
from sklearn import linear_model
model = linear_model.LogisticRegression()
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error, r2_score

X=scaler.fit_transform(X)

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2)

model.fit(X_train,y_train)
# Make predictions using the testing set
powerOutput_y_pred = model.predict(X_test)
print (powerOutput_y_pred)
# The coefficients
print('Coefficients: \n', model.coef_)
# The mean squared error
print("Mean squared error: %.2f"
      % mean_squared_error(y_test, powerOutput_y_pred))
# Explained variance score: 1 is perfect prediction
print('Variance score: %.2f' % r2_score(y_test, powerOutput_y_pred))

plt.scatter(X_test, y_test,  color='black')
plt.plot(X_test, powerOutput_y_pred, color='blue', linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()

但是我得到散点图的以下错误：

ValueError: x and y must be the same size

如果我运行df.head（），我会得到以下表格：

df structure

X和y的特征如下：

X=df.values[:,[0,1,2,3,4,5,7]]
y=df.values[:,6]

运行X.shape给出（25,7），y.shape给出（25，）作为输出。那么如何解决这种形状错配？

Answer 1

最简单的答案

只需使用plot代替scatter：

plt.plot(X_test, y_test, ls="none", marker='.', ms=12)

这将使用相同的一组y数据绘制不同的x数据集。这假设为x.shape == (n,d)和y.shape == (n,)，如上述问题所示。

简单回答

遍历x值的列，并为每列调用scatter一次：

colors = plt.cm.viridis(np.linspace(0.0, 1.0, features))
for xcol,c in zip(X_test.T, colors):
    plt.scatter(xcol, y_test, c=c)

使用数组c设置colors将使得每个要素在散点图上绘制为不同的颜色。如果您希望它们都是黑色的，只需用c='black'

替换上面的颜色

细节

scatter需要一个x值列表和一个y值列表。如果x和y列表是1D，这是最简单的。但是，如果这些数组具有匹配的形状，您还可以绘制存储在2D数组中的多组x和y数据。

来自Matplotlib docs：

  

从根本上说，散射适用于一维阵列; x，y，s和c可以作为二维数组输入，但在散射中它们将被展平。

有点模糊，但是dive into the Matplotlib source code确认x和y的形状必须完全匹配。处理plot形状的代码更加灵活，因此对于该函数，您可以使用一组y数据来处理许多x数据集。

通常plot绘制线而不是点，但您可以通过设置ls（即linestyle）关闭线条，然后您可以通过设置marker来打开点。 ms（即markersize）控制点的大小。

例如

您在上面发布的示例不会运行（X且y未定义），但这是输出的完整示例：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm

from sklearn import datasets
from sklearn.model_selection import train_test_split

d = datasets.load_diabetes()
features = d.data.shape[1]

X = d.data[:50,:]
Y = d.target[:50]

sample_weight = np.random.RandomState(442).rand(Y.shape[0])

# split train, test for calibration
X_train, X_test, Y_train, Y_test, sw_train, sw_test = \
    train_test_split(X, Y, sample_weight, test_size=0.9, random_state=442)

# use the plot function instead of scatter
# plot one set of y data against several sets of x data
plt.plot(X_test, Y_test, ls="none", marker='.', ms=12)

# call .scatter() multiple times in a loop
#colors = plt.cm.viridis(np.linspace(0.0, 1.0, features))
#for xcol,c in zip(X_test.T, colors):
#    plt.scatter(xcol, Y_test, c=c)

输出：