在对数据通过散点图进行分析时，对于分类任务而言，我们希望不同label的对应的点标记成不同颜色。类似于下面这种：

具体的实现：
对于scatter绘制散点图，该函数的主要参数有x,y,s,c：

def scatter(self, x, y, s=None, c=None, **kwargs):

其中x,y表示每个点的x坐标与y坐标，s表示每个点的大小，也就是标记点的大小，c表示每个点的颜色。

对于分类任务的标签一般是0，1，2…这样的离散值，因此可以直接label向量传入s与c，这样绘制的图就会与label关联起来。而不用每种label的数据单独调用一次scatter，进而绘制出上图的效果。另外可以通过常数乘label的值来调整点的大小。而label的颜色是与cmap关联的，根据c的值之间的相对大小，对应cmap中的某个颜色。

代码：

import matplotlib.pyplot as plt


fig, ax = plt.subplots()
# feature表示特征向量,shape为m*2，label为list[]值包含0，1，2
ax0 = ax.scatter(feature[:, 0], feature[:, 1], 10*np.array(label), np.array(label), marker='o', cmap='viridis')
fig.colorbar(ax0)
plt.show()

参考：

Matplotlib：给子图添加colorbar（颜色条或渐变色条）