介绍
这篇文章主要讲解了熊猫怎么绘制矩阵散点图,内容清晰明了,对此有兴趣的小伙伴可以学习一下,相信大家阅读完之后会有帮助。
使用散点图矩阵图,可以两两发现特征之间的联系
pd.plotting。scatter_matrix(帧,α=0.5 c figsize=None, ax=None,对角=& # 39;嘘# 39;,标志=& # 39;强生# 39;,density_kwds=None, hist_kwds=None, range_padding=0.05, * * kwds)
1,框架,熊猫dataframe对象
2,α,图像透明度,一般取(0,1)
3, figsize,以英寸为单位的图像大小,一般以元组(宽度、高度)形式设置
4, ax,可选一般为
5,对角线,必须且只能在{‘嘘# 39;,kde # 39;}中选择1个,& # 39;嘘# 39;表示直方图(柱状图绘制),& # 39;kde # 39;表示核密度估计(核密度估计);该参数是scatter_matrix函数的关键参数
6,标记,Matplotlib可用的标记类型,如& # 39;强生# 39;,& # 39;,& # 39;,& # 39;o # 39;等
7, density_kwds,(其他策划关键字参数,可选),与kde相关的字典参数
8日hist_kwds,与嘘相关的字典参数
9日range_padding,(浮动,可选),图像在x轴、y轴原点附近的留白(填充),该值越大,留白距离越大,图像远离坐标原点
10, kwds,与scatter_matrix函数本身相关的字典参数
11 c,颜色
效果如下图
,
以sklearn的虹膜样本为数据集
进口matplotlib。pyplot作为plt 从scipy进口稀疏 进口numpy np 进口matplotlib太 熊猫作为pd导入 IPython。显示导入显示 从sklearn。数据导入load_iris 进口sklearn sk 从sklearn。model_selection进口train_test_split 虹膜=load_iris () #打印(iris) X_train、X_test y_train y_test=train_test_split(虹膜[& # 39;数据# 39;],虹膜[& # 39;目标# 39;],random_state=0) iris_dataframe=pd.DataFrame (X_train、列=iris.feature_names) 嗯……=pd.plotting.scatter_matrix (iris_dataframe, c=y_train figsize=(15日,15),标志=& # 39;o # 39;, hist_kwds={& # 39;垃圾箱# 39;:20},s=60,α=8) plt.show ()
看完上述内容,是不是对大熊猫怎么绘制矩阵散点图有进一步的了解,如果还想学习更多内容,欢迎关注行业资讯频道。