Python生成点集并丢弃初始点后使用plt.scatter绘制散点图问题

你原有代码的核心问题如下：

• 循环内直接覆盖整个x数组变量，没有按索引写入每个点的坐标，同时赋值内容为字符串而非可执行的数值计算逻辑
• 未预留要丢弃的初始点的生成空间，也没有做切片丢弃逻辑
• plt.scatter()需要分别传入x、y轴的坐标序列，不能直接传入二维数组作为第一个参数

以下是可直接运行的实现，以丢弃前100个初始点、最终保留1000个点为例：

import numpy as np
import matplotlib.pyplot as plt

# 自定义参数：需要保留的点数量、要丢弃的初始点数量
keep_count = 1000
drop_count = 100
total_count = keep_count + drop_count

# 初始化存储所有生成点的数组
all_points = np.zeros((total_count, 2))

# 点生成迭代逻辑，可替换为你自己的规则
for i in range(1, total_count):
    # 此处为原示例逻辑的可运行实现，你可以替换为自己的迭代公式
    all_points[i] = all_points[i-1] + np.array([i, i]) / 2

# 丢弃前N个初始点，拿到最终有效点集
valid_points = all_points[drop_count:]

# 绘制散点图，分别取x、y坐标列传入
plt.scatter(valid_points[:, 0], valid_points[:, 1], s=15)
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

额外说明：

• 若你有自己的迭代生成规则，直接替换循环内all_points[i]的赋值逻辑即可
• 要调整丢弃的初始点数量，仅需要修改drop_count的参数值即可
• 如果你生成点集的逻辑支持向量化运算，可以替换for循环提升运行效率

内容的提问来源于stack exchange，提问作者N.A.