詳解pandas繪制矩陣散點(diǎn)圖(scatter_matrix)的方法
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
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()
到此這篇關(guān)于詳解pandas繪制矩陣散點(diǎn)圖(scatter_matrix)的方法的文章就介紹到這了,更多相關(guān)pandas scatter_matrix矩陣散點(diǎn)圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python實(shí)現(xiàn)本地圖片轉(zhuǎn)存并重命名的示例代碼
今天小編就為大家分享一篇python實(shí)現(xiàn)本地圖片轉(zhuǎn)存并重命名的示例代碼，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
構(gòu)建?Python?命令行參數(shù)的?4?種常見(jiàn)方式
這篇文章主要介紹了構(gòu)建?Python?命令行參數(shù)的?4?種常見(jiàn)方式，文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-06-06
Tensorflow簡(jiǎn)單驗(yàn)證碼識(shí)別應(yīng)用
這篇文章主要為大家詳細(xì)介紹了Tensorflow簡(jiǎn)單驗(yàn)證碼識(shí)別應(yīng)用的相關(guān)資料，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-05-05
在安裝pip前，請(qǐng)確認(rèn)win系統(tǒng)中已經(jīng)安裝好了python，和easy_install工具，下面腳本之家小編給大家詳細(xì)介紹python中pip的安裝與使用教程，感興趣的朋友一起看看吧2018-08-08
這篇文章主要介紹了Python的裝飾器詳情，主要介紹裝飾器定以、調(diào)用方式等相關(guān)內(nèi)容，需要的小伙伴可以參考一下，希望對(duì)你的學(xué)習(xí)有所幫助2022-03-03
這篇文章主要介紹了python異常處理并調(diào)試，異常是錯(cuò)誤出現(xiàn)時(shí)，可以在正常的控制流程之外采取的行為下面我們就來(lái)看看python的那些異常，需要的小伙伴可以參考一下2022-02-02
Python實(shí)現(xiàn)的北京積分落戶數(shù)據(jù)分析示例
這篇文章主要介紹了Python實(shí)現(xiàn)的北京積分落戶數(shù)據(jù)分析,結(jié)合實(shí)例形式分析了Python針對(duì)北京積分落戶數(shù)據(jù)的分析、運(yùn)算、展示等相關(guān)操作技巧,需要的朋友可以參考下2020-03-03
使用python實(shí)現(xiàn)微信小程序自動(dòng)簽到功能
這篇文章主要介紹了使用python實(shí)現(xiàn)微信小程序自動(dòng)簽到功能，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-04-04
Python實(shí)現(xiàn)獲取亂序列表排序后的新下標(biāo)的示例
本文主要介紹了Python實(shí)現(xiàn)獲取亂序列表排序后的新下標(biāo)的示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04
Python進(jìn)行數(shù)據(jù)提取的方法總結(jié)
數(shù)據(jù)提取是分析師日常工作中經(jīng)常遇到的需求。如某個(gè)用戶的貸款金額，某個(gè)月或季度的利息總收入，某個(gè)特定時(shí)間段的貸款金額和筆數(shù)，大于5000元的貸款數(shù)量等等。本篇文章介紹如何通過(guò)python按特定的維度或條件對(duì)數(shù)據(jù)進(jìn)行提取，完成數(shù)據(jù)提取需求。2016-08-08