Python 在pandas中尝试使用plt.countourf绘制图形时，如何修复此错误？

在这个关于机器学习的练习中，我想使用matplotlib包中包含的countourf函数normaly绘制一个2D图形。但是我得到了错误信息：模块“matplotlib.pyplot”没有属性“countourf”。我在下面的代码中输入了它。我使用的是anaconda3平台和Jupyter 6.0.1，我确信matplotlib（版本3.1.1）中存在此函数，但是我不知道为什么会发生此错误。谁能帮我渡过这个阶段，策划我的爸爸。提前谢谢你

`导入库`
作为pd进口熊猫
将numpy作为np导入
将scipy作为sp导入
将matplotlib.pyplot作为plt导入
以某人的身份出生
%matplotlib内联
`导入数据`
SUV_data=pd.read_csv（“C:/Users/Wolf/Documents/ExoData/data Science Tutorial/archive/SocialNetworkAds.csv”）
SUV_数据
`仅提取依赖变量`
x=SUV_数据.iloc[：，[2,3]]。值
`仅提取独立变量`
y=SUV_data.iloc[：，4]。值
打印（“x_因变量=“+str（x））
打印（“y_独立变量=“+str（y））
x、 形状，y形
((400, 2), (400,))
`绘制地图，显示因变量和独立变量如何相互关联（兼性）`
YES_map=sb.热图（SUV_data.corr（））
`将数据拆分为训练模型和集合模型`
从sklearn.model\u选择导入列车\u测试\u拆分
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=0.25，随机状态=0）
X_train.shape，y_train.shape
((300, 2), (300,))
`训练数据的logistic回归拟合`
从sklearn.linear_模型导入逻辑回归
分类器=逻辑回归（随机状态=0）
分类器。配合（X_系列，y_系列）
`预测测试集结果`
y_pred=分类器。预测（X_测试）
尤普雷德
`可视化训练集结果`
从matplotlib.colors导入ListedColormap
X_集，y_集=X_列，y_列
X1，X2=np.meshgrid（np.arange（start=X_集[：，0].min（）-1，stop=X_集[：，0].max（）+1，step=0.5），np.arange（start=X_集[：，1].min（）-1，stop=X_集[：，1].max（）+1，step=0.5））
plt.countourf（X1，X2，classifier.predict（np.array（[X1.ravel（），X2.ravel（）]）.T）.重塑（X1.shape），alpha=0.75，cmap=ListedColormap（'red'，'green'））
plt.xlim（X1.mmin（），X1.max（））
plt.ylim（X2.min（），X2.max（））
对于枚举中的i，j（np.unique（y_集））：
plt.scatter（X_set[y_set==j，0]，X_set[y_set==j，1]，c=ListedColormap（（'red'，'green'））（i），label=j）
产品名称（‘逻辑回归（训练集）’）
plt.xlabel（“年龄”）
plt.ylabel（“估计工资”）
plt.legend（）
plt.show（）
AttributeError回溯（最近一次呼叫上次）
在里面
3个X_组，y_组=X_列，y_列
4x1，X2=np.meshgrid（np.arange（start=X_集[：，0].min（）-1，stop=X_集[：，0].max（）+1，step=0.5），np.arange（start=X_集[：，1].min（）-1，stop=X_集[：，1].max（）+1，step=0.5））
---->5 ax=plt.countourf（X1，X2，分类器.predict（np.array（[X1.ravel（），X2.ravel（）]）.T）。重塑（X1.shape），alpha=0.75，cmap=ListedColormap（‘红色’，‘绿色’））
6 plt.xlim（X1.mmin（），X1.max（））
7 plt.ylim（X2.min（），X2.max（））
AttributeError:模块“matplotlib.pyplot”没有属性“countourf”
`这里是发生错误的地方。如何使用matplotlib中的countorf函数或其他函数修复它`

我认为您需要的是“contourf”功能，而不是“countourf”功能

以下是“contourf”功能文档的链接：

matplotlib库根本没有“countourf”函数

---

我希望这会有所帮助。

同时，我将卸载matplotlib，然后重新安装，看看是否可以获得更好的结果。是的！！！非常感谢你！我一点也没看见！现在有东西出现了！该死谢谢你的评论，现在没事了！Karl，您可以将答案标记为正确，以便其他用户立即发现它解决了问题

`Importing the Librairies`
import pandas as pd
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
import seaborn as sb
%matplotlib inline 

`Importing  the data`
SUV_data = pd.read_csv("C:/Users/Wolf/Documents/ExoData/Data Science Tutorial/archive/SocialNetworkAds.csv")
SUV_data

`Extratcting only the dependant variables`
x = SUV_data.iloc[:, [2,3]].values

`Extratcting only the independant variables`
y = SUV_data.iloc[:, 4].values

print("x_dependent variables = " +str(x))
print("y_independent variables = " +str(y))

x.shape, y.shape
((400, 2), (400,))

`Plotting of a map showing how the dependent and independant variables are correlated with each other(facultative)`
YES_map = sb.heatmap(SUV_data.corr())

`Splitting the data into training and set models`
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size = 0.25, random_state = 0)

X_train.shape, y_train.shape
((300, 2), (300,))

`Fitting logistic regression to training data`
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state =0)
classifier.fit(X_train, y_train)

`Predicting the test set esults`
y_pred = classifier.predict(X_test)
y_pred

`Visualize the Training set Results`
from matplotlib.colors import ListedColormap
X_set, y_set = X_train, y_train
X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.5), np.arange(start = X_set[:, 1].min() -1, stop = X_set[:, 1].max() + 1, step = 0.5))
plt.countourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape), alpha = 0.75, cmap = ListedColormap(('red', 'green')))
plt.xlim(X1.mmin(), X1.max())
plt.ylim(X2.min(), X2.max())
for i, j in enumerate(np.unique(y_set)):
    plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1], c = ListedColormap(('red', 'green'))(i), label = j)
plt.title('Logistic Regression (Training set)')
plt.xlabel('Age')
plt.ylabel('Estimated Salary')
plt.legend()
plt.show()

AttributeError                            Traceback (most recent call last)
<ipython-input-27-7bff781bd170> in <module>
      3 X_set, y_set = X_train, y_train
      4 X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 1, stop = X_set[:, 0].max() + 1, step = 0.5), np.arange(start = X_set[:, 1].min() -1, stop = X_set[:, 1].max() + 1, step = 0.5))
----> 5 ax = plt.countourf(X1, X2, classifier.predict(np.array([X1.ravel(), X2.ravel()]).T).reshape(X1.shape), alpha = 0.75, cmap = ListedColormap(('red', 'green')))
      6 plt.xlim(X1.mmin(), X1.max())
      7 plt.ylim(X2.min(), X2.max())

AttributeError: module 'matplotlib.pyplot' has no attribute 'countourf'

`Here is where the error occurs. How to fix it using countorf function or other in matplotlib?`