关于Python matplotlib scatter函数的一点认知_plt.scatter(x[0, :], x[1, :], c=y[0, :], s=40, cma

在吴恩达DeepLearning.ai课程1-3节中，有如下一段代码：

X, Y = load_planar_dataset()

# Visualize the data:plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral);

我在运行过后，实际上会报错

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
C:\ProgramData\Anaconda3\lib\site-packages\matplotlib\colors.py in to_rgba(c, alpha)
    131     try:
--> 132         rgba = _colors_full_map.cache[c, alpha]
    133     except (KeyError, TypeError):  # Not in cache, or unhashable.

TypeError: unhashable type: 'numpy.ndarray'

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)

.

.

.

3991                 raise ValueError(msg.format(c.shape, x.size, y.size))
   3992         else:
   3993             colors = None  # use cmap, norm after collection is created

ValueError: c of shape (1, 400) not acceptable as a color sequence for x with size 400, y with size 400

最后一行错误日志说明参数c的shape和x,y的shape不一致，而我在输入时x = X[0,:], y = X[1,:]，c = Y，最初我觉得它们的大小

都是400（因为load_planar_dataset()函数生成的就是400个样本集），所以不应该报错，后来我又仔细读了一下报错信息，结合前两天

在1-2课程中学到的知识，意识到(400,)和(1,400)是两个完全不同的类型，(400,)是秩为1的数组，(1,400)是一个二维数组，它们是

不匹配的，解决这个问题，可以有几种方法：

1、将c=Y改为c=np.squeeze(Y)，np.squeeze(Y)会把Y的shape从(1, 400)变成了(400,)

2、将c=Y改为c=Y[0,:]，效果同上

3、将X[0, :], X[1, :]改成X[0, :].reshape(1, -1), X[1, :].reshape(1, -1)，这种更复杂，仅作验证用，改成之后可以发现这时c=Y就能编译通过了。

显示图像如下：

此外，c这个参数，除了赋值序列和cmap参数配合使用，还可以赋值成各种颜色，如c='blue'，显示出来的点的颜色就是蓝色，显示图像如下：

此外，可以通过修改cmap参数，可以根据颜色映射表显示其他的颜色，如：cmap=plt.get_cmap('rainbow')，显示如下：

也可以自定义：

from matplotlib import colors

cmap=colors.ListedColormap(['g','r'])

显示图像为：