溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了pandas怎么繪制矩陣散點圖，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
使用散點圖矩陣圖，可以兩兩發現特征之間的聯系
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) 形式設置
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)；該參數是scatter_matrix函數的關鍵參數
6、marker，Matplotlib可用的標記類型，如'.'，','，'o'等
7、density_kwds，(other plotting keyword arguments，可選)，與kde相關的字典參數
8、hist_kwds，與hist相關的字典參數
9、range_padding，(float, 可選)，圖像在x軸、y軸原點附近的留白(padding)，該值越大，留白距離越大，圖像遠離坐標原點
10、kwds，與scatter_matrix函數本身相關的字典參數
11、c，顏色
效果如下圖
以 sklearn的iris樣本為數據集
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()看完上述內容，是不是對pandas怎么繪制矩陣散點圖有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
