对于matplotlib.pyplot( as plt )
先输入主体数据部分：
import numpy as np
import matplotlib.pyplot as pltX_train = np.array([[1,2,3],[2,3,4],[2,2,1],[3,2,2]])
X_test = np.array([[1,1,1],[2,1,1]])y_train = np.array([1,1,-1,1])
y_test = np.array([1,-1])
我们先做二维图：（取前两维）
首先容易想到plt.plot, 但这个是默认生成折线图的：
plt.plot(X_train[:,0],X_train[:,1])
plt.show()
但如果我们对线条指定为o的话：
plt.plot(X_train[:,0],X_train[:,1],"ro")
plt.show()
令一种做散点图的方式就是，用scatter：
plt.scatter(X_train[:,0],X_train[:,1])
plt.show()
从上可以看到，除了我指定了的颜色外，其他均一致！
———————————————————————————————————————
对一个（两类的）二维数据画图展示：
>>> X_1, X_0 = X_train[y_train == 1], X_train[y_train == -1]
>>> plt.plot(X_1[:, 0], X_1[:, 1], "ro")
>>> plt.plot(X_0[:, 0], X_0[:, 1], "bo")
>>> plt.show()
通过颜色将其区分开了！
当然用scatter也可以：（但要注意要带color关键字不然会报错）
>>> plt.scatter(X_0[:, 0], X_0[:, 1], color="b")
>>> plt.scatter(X_1[:, 0], X_1[:, 1], color="r")
>>> plt.show()
可以看到效果一样。
————————————————————————————————————————-
画三维的散点图：
就不能直接用plot和scatter了：他们都是画2D的。
而要首先声明一个画3D图的ax
>>> from mpl_toolkits.mplot3d import Axes3D
>>> ax = plt.subplot(111, projection='3d') # 而且每次画完一个3D图都要这个声明
>>> ax.scatter(X_1[:, 0], X_1[:, 1],X_1[:,2], color="r")
<mpl_toolkits.mplot3d.art3d.Path3DCollection object at 0x000001E8F70B2A90>
>>> ax.scatter(X_0[:, 0], X_0[:, 1],X_0[:,2], color="b")
<mpl_toolkits.mplot3d.art3d.Path3DCollection object at 0x000001E8F70732B0>
>>> plt.show()
