Python 分类算法的图散点法

请帮助我为这个分类算法创建散点图。这里在y中有一列标签（0，1），我希望两个标签都有两种不同颜色的预测标签

X = np.array(df.iloc[: , [0, 1,2,3,4,5,6,7,8,9,10,]].values)
y = df.iloc[: , 17].values 
dtc = DecisionTreeClassifier()
train_x, test_x, train_y, test_y = train_test_split(X, y, train_size = 0.8, shuffle = True)
kf = KFold(n_splits = 5)
dtc=dtc.fit(train_x, train_y)
dtc_labels = dtc.predict(test_x)

---

我没有访问您的数据帧的权限，但这里有一个最低限度的工作示例，假设我理解正确的话

关键是，在打印过程中，必须对numpy数组使用逻辑索引。最后两行举例说明了这一点

import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split, KFold
import matplotlib.pyplot as plt
X = np.zeros((100,2))
X[:,0] = np.array(list(range(100)))
X[:,1] = np.array(list(range(100)))
y = list([0] * 50 + [1] * 50)
dtc = DecisionTreeClassifier()
train_x, test_x, train_y, test_y = train_test_split(X, y, train_size = 0.8, shuffle = True)
kf = KFold(n_splits = 5)
dtc=dtc.fit(train_x, train_y)
dtc_labels = dtc.predict(test_x)

plt.scatter(test_x[dtc_labels == 0,0],test_x[dtc_labels == 0,1])
plt.scatter(test_x[dtc_labels == 1,0],test_x[dtc_labels == 1,1])

---

我总共有17列，1150行X代表17列，y是1个标签列。这应该仍然有效，但您需要决定打印哪2列，或者需要使用某种形式的降维。错误：索引1超出轴1的范围，大小为1，请解释这意味着测试X是形状nx1。如果打印（test_x.shape）和打印（len（dtc_标签））或打印（dtc_labels.shape）（如果前者失败），它会做什么？十、 y和y是你的东西的占位符。我认为，只要你的东西有相同的数据类型，但不同的列形状，它就应该可以工作。