Python中scatter_matrix函数的s和cmap参数作用是什么？

# 基于X_train的数据创建DataFrame
# 使用iris_dataset.feature_names中的字符串标注列名
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)

# 从DataFrame生成散点矩阵，按y_train取值着色
grr = pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize = (15,15),
                   marker = 'o', hist_kwds={'bins':20}, s=60,
                   alpha=0.8, cmap=mglearn.cm3)

两个参数的通用用法说明如下：

• s参数：这是matplotlib散点绘图的通用参数，作用是控制散点标记的面积大小。此处赋值为60即所有散点的标记面积统一为60，数值越大散点越大，你可以根据数据密度灵活调整：数据点重叠严重时调小s提升可读性，数据稀疏时调大s让标记更清晰。
• cmap参数：即颜色映射表，当你通过c参数传入了用于区分散点类别的数组（此处为鸢尾花分类标签y_train）时，cmap会自动将c的不同取值映射为不同的显示颜色，保证同类散点颜色一致，不同类别颜色有明确区分。
  这里用到的mglearn.cm3是机器学习配套工具库mglearn预定义的三分类专用颜色映射表，正好适配鸢尾花数据集的3个分类，区分度高、配色柔和适合教学演示。通用场景下你可以替换为任意matplotlib支持的颜色映射表，比如cmap='viridis'、cmap='coolwarm'等，匹配你的分类数量和可视化风格需求即可。

内容的提问来源于stack exchange，提问作者Harshit Pandey