Python 绘制逻辑回归：ValueError:x和y必须具有相同的第一维度

当我运行代码时，会收到一条错误消息：

ValueError:x和y必须具有相同的第一个维度

完全回溯

Traceback (most recent call last):
  File "ml2.py", line 16, in <module>
    plt.plot(x2,y2,"ro",color="red")
  File "/usr/lib/python2.7/dist-packages/matplotlib/pyplot.py", line 3154, in plot
    ret = ax.plot(*args, **kwargs)
  File "/usr/lib/python2.7/dist-packages/matplotlib/__init__.py", line 1814, in inner
    return func(ax, *args, **kwargs)
  File "/usr/lib/python2.7/dist-packages/matplotlib/axes/_axes.py", line 1424, in plot
    for line in self._get_lines(*args, **kwargs):
  File "/usr/lib/python2.7/dist-packages/matplotlib/axes/_base.py", line 386, in _grab_next_args
    for seg in self._plot_args(remaining, kwargs):
  File "/usr/lib/python2.7/dist-packages/matplotlib/axes/_base.py", line 364, in _plot_args
    x, y = self._xy_from_xy(x, y)
  File "/usr/lib/python2.7/dist-packages/matplotlib/axes/_base.py", line 223, in _xy_from_xy
    raise ValueError("x and y must have same first dimension")
ValueError: x and y must have same first dimension

回溯（最近一次呼叫最后一次）：
文件“ml2.py”，第16行，在
plt.绘图（x2，y2，“ro”，color=“红色”）
文件“/usr/lib/python2.7/dist packages/matplotlib/pyplot.py”，绘图中第3154行
ret=最大绘图（*args，**kwargs）
文件“/usr/lib/python2.7/dist-packages/matplotlib/_-init__;u.py”，第1814行，在内部
返回函数（ax，*args，**kwargs）
文件“/usr/lib/python2.7/dist packages/matplotlib/axes/_axes.py”，第1424行，在绘图中
对于自身中的行。获取行（*args，**kwargs）：
文件“/usr/lib/python2.7/dist packages/matplotlib/axes/_base.py”，第386行，位于下一个参数中
对于seg in self.\u plot\u args（剩余，kwargs）：
文件“/usr/lib/python2.7/dist packages/matplotlib/axes/_base.py”，第364行，在绘图参数中
x、 y=自。_xy_自_xy（x，y）
文件“/usr/lib/python2.7/dist packages/matplotlib/axes/_base.py”，第223行，从_xy开始
提升值错误（“x和y必须具有相同的第一个维度”）
ValueError:x和y必须具有相同的第一个维度

调用

绘图时，前两个参数x和y必须列出相同长度的列表或数组

您的
x2
和
y2
长度不相同

为了避免将来出现此问题，有更好的方法可以创建只填充一个值的数组，例如：

x2 = np.array([3.2,3.8,4.5,5.2,5.8,6.4,6.7,7.1,7.6,8.1,8.5,9])
y2 = np.full_like(x2, 1)

调用
plot
时，前两个参数x和y必须列出相同长度的列表或数组

您的
x2
和
y2
长度不相同

为了避免将来出现此问题，有更好的方法可以创建只填充一个值的数组，例如：

x2 = np.array([3.2,3.8,4.5,5.2,5.8,6.4,6.7,7.1,7.6,8.1,8.5,9])
y2 = np.full_like(x2, 1)