matplotlib库的pyplot模块中的**pcolormesh()**函数用于创建具有非规则矩形网格的伪彩色图。

pcolormesh([X, Y,] C, **kwargs)
(X[i+1, j], Y[i+1, j]) (X[i+1, j+1], Y[i+1, j+1])
 … … … … …+ ------ +
 … … … … …| C[i, j] |
 … … … … …+ ------ +
 … … (X[i, j], Y[i, j]) (X[i, j+1], Y[i, j+1])
 ————————————————————————————————
 参数：
 C:此参数包含2D数组中的值为color-mapped的值。
 X, Y:这些参数是四边形角的坐标。
 cmap:此参数是颜色图实例或注册的颜色图名称。
 norm:此参数是Normalize实例，将数据值缩放到规范的颜色图范围[0，1]以映射到颜色
 vmin, vmax:这些参数本质上是可选的，它们是颜色栏范围。
 alpha:此参数是颜色的强度。<
                    matplotlib库的pyplot模块中的**pcolormesh()**函数用于创建具有非规则矩形网格的伪彩色图。pcolormesh([X, Y,] C, **kwargs)(X[i+1, j], Y[i+1, j])  (X[i+1, j+1], Y[i+1, j+1])… … … … …+ ------ +… … … … …| C[i, j]  |… … … … …+ ------ +… … (X[i, j], Y[i, j])       (X[i, j+1], Y[i, j+1]
如果你也想学会这一点，那么就需要了解pcolormesh ()函数的使用，才可以做到这一点。现在就来一步一步地学习pcolormesh ()函数的使用，先从最简单的开始。
经过一下午的折腾，一直没理解他是怎么区分颜色的，最后发现用法和scatter差不多，首先是x和y，scatter的第三个参数是c也就是颜色，而pcolormesh把c=删掉就行。下面是一张对比图。
只要数据量很大且他们之间的差很小，散点图可以和pcolormesh的效果基本一致，只不过一个是画点，一个是修改格子颜色。pcolormesh()的x就是x坐标，y就是y坐标，c是区分他们的种类依次来显示不同的颜色
用pcolor可以来画2维图，即有两个自变量x，y，和一个因变量C。注意的点：
pcolor是用格点来表示C值。故应先用np.meshgrid(x,y)来生成二维的x和y坐标点。
C的行索引对应y坐标，列索引对应x坐标。所以画图时，一般将计算好的C转置。
pcolor和pcolor功能是相同的，官方文档建议用pcolormesh，它的速度会更快。
def f(x,y):
    return (x**2+y-11)**2+(x+y**2-7)**2
x = np.linspace(-
				
在使用Python库时，常常会用到matplotlib.pyplot绘图，本文介绍在PyCharm及Jupyter Notebook页面中控制绘图显示与否的小技巧。
在PyCharm中显示绘图
在绘图代码最后加上“plt.show()”语句。
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 2*np.pi, .001)
y = np.sin(2 * np.pi * x)
plt.clf()
plt.plot(x, y)
l = plt.axhline(linewidth=1, color='black')
				
在机器学习中如果要对训练好的分类器进行分类辩解的可视化，就需要用到matplotlib.pyplot.pcolormesh()这一方程
其description为：‘Create a pseudocolor plot with a non-regular rectangular grid.’方法中的pcolor一词为pseudocolor缩写，中文翻译为伪色彩。
伪彩色图像的含义是，每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表(color look-up table，CLU
接着来学习使用numpy里的函数来创建一些数据，这里使用numpy的np.random.rand函数，它是创建一个多维的随机数组，下面的代码：
Z = np.random.rand(6, 10)
它就是创建一个10个元素一行，共6行的数组，如下：
[[0.7003673 0.74275081 0.70928001..
				
matplotlib.pyplot是Python中常用的绘图库，可以用来绘制各种类型的图表，包括折线图、散点图、柱状图、饼图等。以下是一些matplotlib.pyplot的基本用法：
1. 导入库
```python
import matplotlib.pyplot as plt
2. 绘制折线图
```python
x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]
plt.plot(x, y)
plt.show()
3. 绘制散点图
```python
x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]
plt.scatter(x, y)
plt.show()
4. 绘制柱状图
```python
x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]
plt.bar(x, y)
plt.show()
5. 绘制饼图
```python
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=labels)
plt.show()
这只是matplotlib.pyplot的一部分用法，还有很多其他的图表类型和参数可以使用。更多用法可以参考matplotlib.pyplot的官方文档：https://matplotlib.org/stable/api/pyplot_summary.html
                    weixin_62560299: 
                    Mr_Z =[[37, 40,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0]]
dating_dec = go_dating_tree.predict(Mr_Z)
是什么意思呢
                一文读懂matplotlib.pyplot.pcolormesh()
                    GaoZhenwen2: 
                一文读懂matplotlib.pyplot.pcolormesh()
                    weixin_44392742: 
                    点段关系，没问题的，就是4*3
                一文读懂matplotlib.pyplot.pcolormesh()
                    Martin751366410: 
                    z有20个值，画出来图怎么只有12个颜色？
                决策树实例(工资预测)【机器学习算法一决策树与随机森林3】
                    [code=python]
#定义数据集的特征值
features=data_dummies.loc[:,'年龄':'职业_ Transport-moving']
[/code]
你好，请问这一句出现keyerror：年龄是什么问题呢