python畫散點圖以及矩陣散點圖plt.scatter()和pd.scatter_matrix()詳解
plt.scatter() 引數
#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,**kwargs)
主要引數:
s:散點的大小
c:散點的顏色,'r '/'g'/'y'/'w'/'k'.......
marker:散點形狀, '.'(點)/'o'(圓)/'v'(倒三角形)/'*'(星星)/'s'(正方形).........
cmap:colormap,顏色版:'accent','blues','bugn','oranges'....
vmin,vmax:亮度設定,標亮
alpha :顏色透明程度, 實數,0-1之間
linewidths:線的寬度
linestyle: 線的風格,'--'(虛線)/ '-' (直線) / '-.'(間隔虛線)/ ': '(全為點).......
例項:
結果展示:
從圖中看出,由於x,y都是服從隨機正態分佈的數, 因此資料是聚集的。該類散點圖可以用來展示三維資料(x座標,y座標,點的大小)
pd.scatter_matrix()引數
pd.scatter_matrix(frame,alpha = 0.5,figsize =(10,8) ,grid = False,diagonal = 'hist',marker = 'o',range_padding = 0.01,**kwds)
引數解釋:
frame:資料需要舉陣形式
diagonal: { 'hist','kde'}必須在這兩個中選一個, 'kde' 就是畫密度圖且核為kde,若diagonal='hist',則為直方圖
range_padding: 影象在x軸,y軸原點附近留白,值越大,留白越多。
例項:
結果展示:
根據矩陣散點圖形狀,看變數間的相互關係。