python散點(diǎn)圖怎么繪制

這篇“python散點(diǎn)圖怎么繪制”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“python散點(diǎn)圖怎么繪制”文章吧。

一、二維散點(diǎn)圖的繪制

1.采用pandas.plotting.scatter_matrix函數(shù)繪制

pd.plotting.scatter_matrix(iris_data, figsize=(10, 10), alpha=1, hist_kwds={"bins": 20})

2. 采用seaborn進(jìn)行繪制

  # No. 1
    # 全部變量都放進(jìn)去
    sns.pairplot(iris_data)

   # No.2
    #kind:用于控制非對(duì)角線上圖的類型，可選'scatter'與'reg'
    #diag_kind:用于控制對(duì)角線上的圖分類型，可選'hist'與'kde'
    
    sns.pairplot(iris_data, kind='reg', diag_kind='kde')
    sns.pairplot(iris_data, kind='reg', diag_kind='hist')

經(jīng)過hue分類后的pairplot中發(fā)現(xiàn)，不論是從對(duì)角線上的分布圖還是從分類后的散點(diǎn)圖，都可以看出對(duì)于不同種類的花，其萼片長、花瓣長、花瓣寬的分布差異較大，換句話說，這些屬性是可以幫助我們?nèi)プR(shí)別不同種類的花的。比如，對(duì)于萼片、花瓣長度較短，花瓣寬度較窄的花，那么它大概率是山鳶尾

  # No 3
    # hue：針對(duì)某一字段進(jìn)行分類
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

  # No 4
    # vars：研究某2個(gè)或者多個(gè)變量之間的關(guān)系vars,
    # x_vars,y_vars：選擇數(shù)據(jù)中的特定字段，以list形式傳入需要注意的是，x_vars和y_vars要同時(shí)指定
    sns.pairplot(iris_data, vars=["sepal length (cm)", "sepal width (cm)"])
    sns.pairplot(iris_data, x_vars=["petal length (cm)", "sepal width (cm)"], y_vars=["petal width (cm)", "sepal length (cm)"])

二、 三維散點(diǎn)圖繪制

三維散點(diǎn)圖繪制采用mplot3d 模塊進(jìn)行繪制

  # No. 5 3d
    from mpl_toolkits.mplot3d import Axes3D
    dims={'x':'petal length (cm)', 'y':'petal width (cm)', 'z':'sepal length (cm)'}

    types=iris_data.species.value_counts().index.tolist()
    print(dims, types)
    flg=plt.figure()
    ax=Axes3D(flg)
    for iris_type in types:
        tmp_data=iris_data[iris_data.species ==iris_type]
        x,y,z = tmp_data[dims['x']], tmp_data[dims['z']],tmp_data[dims['z']]
        ax.scatter(x, y, z, label=iris_type)

    ax.legend(loc='upper left')
    ax.set_zlabel(dims['z'])
    ax.set_xlabel(dims['x'])
    ax.set_ylabel(dims['y'])
    plt.show()

完整代碼：

import pandas as pd
from sklearn import datasets
import seaborn as sns
import matplotlib.pyplot as plt

def function():
    iris = datasets.load_iris()
    iris_data = pd.DataFrame(iris.data, columns=iris.feature_names)
    iris_data['species'] = iris.target_names[iris.target]

    # No. 0
    pd.plotting.scatter_matrix(iris_data, figsize=(10, 10), alpha=1, hist_kwds={"bins": 20})

    # No. 1
    # 全部變量都放進(jìn)去
    sns.pairplot(iris_data)


    # No.2
    sns.pairplot(iris_data, kind='reg', diag_kind='kde')
    sns.pairplot(iris_data, kind='reg', diag_kind='hist')

    # No 3
    # hue：針對(duì)某一字段進(jìn)行分類
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

    # No 4
    # vars：研究某2個(gè)或者多個(gè)變量之間的關(guān)系vars,
    # x_vars,y_vars：選擇數(shù)據(jù)中的特定字段，以list形式傳入需要注意的是，x_vars和y_vars要同時(shí)指定

    sns.pairplot(iris_data, vars=["sepal length (cm)", "sepal width (cm)"])
    sns.pairplot(iris_data, x_vars=["petal length (cm)", "sepal width (cm)"], y_vars=["petal width (cm)", "sepal length (cm)"])

    # No. 5 3d
    from mpl_toolkits.mplot3d import Axes3D
    dims={'x':'petal length (cm)', 'y':'petal width (cm)', 'z':'sepal length (cm)'}

    types=iris_data.species.value_counts().index.tolist()
    print(dims, types)
    flg=plt.figure()
    ax=Axes3D(flg)
    for iris_type in types:
        tmp_data=iris_data[iris_data.species ==iris_type]
        x,y,z = tmp_data[dims['x']], tmp_data[dims['z']],tmp_data[dims['z']]
        ax.scatter(x, y, z, label=iris_type)

    ax.legend(loc='upper left')
    ax.set_zlabel(dims['z'])
    ax.set_xlabel(dims['x'])
    ax.set_ylabel(dims['y'])

    print( iris_data)

    plt.show()


if __name__ == '__main__':
    function()

以上就是關(guān)于“python散點(diǎn)圖怎么繪制”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注億速云行業(yè)資訊頻道。