Python數據分析實戰【第三章】3.10-Matplotlib散點圖、矩陣散點圖【python】

【課程3.10】 散點圖、矩陣散點圖

plt.scatter(), pd.scatter_matrix()

1.plt.scatter()散點圖

# plt.scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None, vmax=None, 
# alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

plt.figure(figsize=(8,6))
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.scatter(x,y,marker='.',
           s = np.random.randn(1000)*100,
           cmap = 'Reds',
           c = y,
           alpha = 0.8,)
plt.grid()
# s：散點的大小
# c：散點的顏色
# vmin,vmax：亮度設置，標量
# cmap：colormap

2.pd.scatter_matrix()散點矩陣

# pd.scatter_matrix(frame, alpha=0.5, figsize=None, ax=None, 
# grid=False, diagonal='hist', marker='.', density_kwds=None, hist_kwds=None, range_padding=0.05, **kwds)

df = pd.DataFrame(np.random.randn(100,4),columns = ['a','b','c','d'])
pd.scatter_matrix(df,figsize=(10,6),
                 marker = 'o',
                 diagonal='kde',
                 alpha = 0.5,
                 range_padding=0.1)
******通過查找pandas文檔,發現現在的pandas的scatter_matrix用法已經發生變化了,變成了pandas.plotting.scatter_matrix
# diagonal：({‘hist’, ‘kde’})，必須且只能在{‘hist’, ‘kde’}中選擇1個 → 每個指標的頻率圖
# 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，圖像遠離座標原點