溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

pandas怎么繪制矩陣散點(diǎn)圖

發(fā)布時(shí)間：2020-08-01 10:04:35 來(lái)源：億速云 閱讀：189 作者：小豬 欄目：開發(fā)技術(shù)

這篇文章主要講解了pandas怎么繪制矩陣散點(diǎn)圖，內(nèi)容清晰明了，對(duì)此有興趣的小伙伴可以學(xué)習(xí)一下，相信大家閱讀完之后會(huì)有幫助。

使用散點(diǎn)圖矩陣圖，可以兩兩發(fā)現(xiàn)特征之間的聯(lián)系

pd.plotting.scatter_matrix(frame, alpha=0.5, c,figsize=None, ax=None, diagonal='hist', marker='.', density_kwds=None,hist_kwds=None, range_padding=0.05, **kwds)

1、frame，pandas dataframe對(duì)象
2、alpha， 圖像透明度，一般取(0,1]
3、figsize，以英寸為單位的圖像大小，一般以元組 (width, height) 形式設(shè)置
4、ax，可選一般為none
5、diagonal，必須且只能在{‘hist', ‘kde'}中選擇1個(gè)，'hist'表示直方圖(Histogram plot),'kde'表示核密度估計(jì)(Kernel Density Estimation)；該參數(shù)是scatter_matrix函數(shù)的關(guān)鍵參數(shù)
6、marker，Matplotlib可用的標(biāo)記類型，如'.'，','，'o'等
7、density_kwds，(other plotting keyword arguments，可選)，與kde相關(guān)的字典參數(shù)
8、hist_kwds，與hist相關(guān)的字典參數(shù)
9、range_padding，(float, 可選)，圖像在x軸、y軸原點(diǎn)附近的留白(padding)，該值越大，留白距離越大，圖像遠(yuǎn)離坐標(biāo)原點(diǎn)
10、kwds，與scatter_matrix函數(shù)本身相關(guān)的字典參數(shù)
11、c，顏色

效果如下圖

 pandas怎么繪制矩陣散點(diǎn)圖

以 sklearn的iris樣本為數(shù)據(jù)集

import matplotlib.pyplot as plt
from scipy import sparse
import numpy as np
import matplotlib as mt
import pandas as pd
from IPython.display import display
from sklearn.datasets import load_iris
import sklearn as sk
from sklearn.model_selection import train_test_split

iris=load_iris()
#print(iris)
X_train,X_test,y_train,y_test = train_test_split(iris['data'],iris['target'],random_state=0)
iris_dataframe = pd.DataFrame(X_train,columns=iris.feature_names)
grr = pd.plotting.scatter_matrix(iris_dataframe,c=y_train,figsize=(15,15),marker='o',hist_kwds={'bins':20},s=60,alpha=.8)
plt.show()

看完上述內(nèi)容，是不是對(duì)pandas怎么繪制矩陣散點(diǎn)圖有進(jìn)一步的了解，如果還想學(xué)習(xí)更多內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手