Python 中的颜色、标签
Colors, label in Python
X 是一个 100x2 向量，包含 2 种花的萼片和花瓣长度数据。 y 是一个 100x1 向量，其中包含我的数据的标签值：-1 和 1。我创建了一个 meshgrid，然后我使用 countourf 方法绘制了我的 meshgrid，现在我用这个将数据加载到 meshgrid 中代码：
for idx, cl in enumerate (np.unique(y)):
plt.scatter (x=X[y == cl, 0], y= X[y == cl, 1], alpha=0.8, c=colors[idx], marker= markers [idx], label = cl, edgecolor = 'black')
alpha, colors, marker, edgecolor只是次要的东西。还有 np.unique(y) = [-1 1] .
我的问题是，为什么 [y==cl,0] 是假的而 [y==,1] 是真的？以及，如何使用 == 对我的数据进行分类？
在 for 循环中，cl 遍历 y 的两个 unique 值，即 [-1, 1]。因此，在第一个循环迭代中，cl=-1 和 y == cl returns y 值为 -1 的行。因此，[y == cl, 0] returns y 为 -1 且数据为萼片长度的第一列（索引 0）的位置。类似地，[y == cl, 1] returns y 为 -1 且数据为第二列（索引 1）即花瓣长度的位置。
当 cl 为 1 时，同样适用于循环的第二次迭代。
X 是一个 100x2 向量，包含 2 种花的萼片和花瓣长度数据。 y 是一个 100x1 向量，其中包含我的数据的标签值：-1 和 1。我创建了一个 meshgrid，然后我使用 countourf 方法绘制了我的 meshgrid，现在我用这个将数据加载到 meshgrid 中代码：
for idx, cl in enumerate (np.unique(y)):
plt.scatter (x=X[y == cl, 0], y= X[y == cl, 1], alpha=0.8, c=colors[idx], marker= markers [idx], label = cl, edgecolor = 'black')
alpha, colors, marker, edgecolor只是次要的东西。还有 np.unique(y) = [-1 1] .
我的问题是，为什么 [y==cl,0] 是假的而 [y==,1] 是真的？以及，如何使用 == 对我的数据进行分类？
在 for 循环中，cl 遍历 y 的两个 unique 值，即 [-1, 1]。因此，在第一个循环迭代中，cl=-1 和 y == cl returns y 值为 -1 的行。因此，[y == cl, 0] returns y 为 -1 且数据为萼片长度的第一列（索引 0）的位置。类似地，[y == cl, 1] returns y 为 -1 且数据为第二列（索引 1）即花瓣长度的位置。
当 cl 为 1 时，同样适用于循环的第二次迭代。