詳解pandas繪製矩陣散點圖(scatter_matrix)的方法
阿新 • • 發佈：2020-04-24
使用散點圖矩陣圖，可以兩兩發現特徵之間的聯絡
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物件
2、alpha， 影象透明度，一般取(0,1]
3、figsize，以英寸為單位的影象大小，一般以元組 (width,height) 形式設定
4、ax，可選一般為none
5、diagonal，必須且只能在{‘hist',‘kde'}中選擇1個，'hist'表示直方圖(Histogram plot),'kde'表示核密度估計(Kernel Density Estimation)；該引數是scatter_matrix函式的關鍵引數
7、density_kwds，(other plotting keyword arguments，可選)，與kde相關的字典引數
8、hist_kwds，與hist相關的字典引數
9、range_padding，(float,可選)，影象在x軸、y軸原點附近的留白(padding)，該值越大，留白距離越大，影象遠離座標原點
10、kwds，與scatter_matrix函式本身相關的字典引數
11、c，顏色
效果如下圖
以 sklearn的iris樣本為資料集
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()
到此這篇關於詳解pandas繪製矩陣散點圖(scatter_matrix)的方法的文章就介紹到這了,更多相關pandas scatter_matrix矩陣散點圖內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！