在Spyder(Python3.9)中绘制双色散点图失败：空白无点求助

你的空白图问题不是缺少依赖包，而是代码里的拼写错误和图像显示语句缺失，具体修复点如下：

1. 列名拼写错误 #

循环中调用principal_breast_Df.loc[indicesToKeep,'Principal componenet 1']时，componenet是拼写错误，正确列名是Principal component 1（少写了一个e）。这个错误导致程序找不到对应数据列，自然没有散点显示。

2. 缺少图像显示语句 #

代码末尾没有调用plt.show()，在Spyder的非交互式绘图模式下，必须显式调用这个函数才能弹出图像窗口。

3. 颜色与标签对应错误 #

你要求标记0（良性Benign）对应绿色、标记1（恶性Malignant）对应红色，但原代码里colors=['r','g']把Benign对应成了红色，需要调整为['g','r']才能符合需求。

修复后的完整代码 #

from sklearn.datasets import load_breast_cancer
breast=load_breast_cancer()
breast_data=breast.data
breast_labels = breast.target

import numpy as np
labels=np.reshape(breast_labels,(569,1))
final_breast_data=np.concatenate([breast_data,labels],axis=1)

import pandas as pd
breast_dataset=pd.DataFrame(final_breast_data)
features=breast.feature_names
features_labels=np.append(features,'label')
breast_dataset.columns=features_labels
breast_dataset['label'].replace(0,'Benign',inplace=True)
breast_dataset['label'].replace(1,'Malignant',inplace=True)

from sklearn.preprocessing import StandardScaler
x=breast_dataset.loc[:,features].values
x=StandardScaler().fit_transform(x)

from sklearn.decomposition import PCA
pca_breast=PCA(n_components=2)
principalComponents_breast=pca_breast.fit_transform(x)
principal_breast_Df=pd.DataFrame(data=principalComponents_breast,columns=['Principal component 1','Principal component 2'])
print('Explained variation per principal component:{}'.format(pca_breast.explained_variance_ratio_))

import matplotlib.pyplot as plt

plt.figure(figsize=(10,10))
plt.xticks(fontsize=12)
plt.yticks(fontsize=14)
plt.xlabel('Principal Component 1',fontsize=20)
plt.ylabel('Principal Component 2',fontsize=20)
plt.title("Principal Component Analysis of Breast Cancer Dataset",fontsize=20)
targets=['Benign','Malignant']
# 调整颜色顺序，匹配需求：Benign(0)绿色，Malignant(1)红色
colors=['g','r']

for target,color in zip(targets,colors):
    indicesToKeep=breast_dataset['label']==target
    # 修正列名拼写错误
    plt.scatter(principal_breast_Df.loc[indicesToKeep,'Principal component 1'],
                principal_breast_Df.loc[indicesToKeep,'Principal component 2'],
                c=color,s=50)
plt.legend(targets,prop={'size':15})
# 添加显示图像的语句
plt.show()

内容的提问来源于stack exchange，提问作者grs