1.2為多變數資料繪製散點陣圖

摘要： 在這篇部落格中，用一個小栗子來介紹一下散點圖在多變數資料中的一方面應用。 scikit庫中提供了一些資料，這裡使用iris資料集，是一種鳶尾屬植物，所給資料中包括兩種型別的花，目的是根據所給資訊判斷兩種花分別屬於哪一類。也就是說找到區分這兩種花的方法。 載入庫 1 from s...

在這篇部落格中，用一個小栗子來介紹一下散點圖在多變數資料中的一方面應用。

scikit庫中提供了一些資料，這裡使用iris資料集，是一種鳶尾屬植物，所給資料中包括兩種型別的花，目的是根據所給資訊判斷兩種花分別屬於哪一類。也就是說找到區分這兩種花的方法。

載入庫

1 from sklearn.datasets import load_iris
2 import numpy as np
3 import matplotlib.pyplot as plt
4 import itertools

匯入資料

1 data = load_iris()
2 x = data['data']
3 y = data['target']
4 col_names = data['feature_names']

首先看一下這個資料集中都有什麼，放一張過程中的截圖。

從上面以及具體內容（資料較多，可以自行檢視）可以看到，x中是150x4的二維陣列，對應著花萼的長度寬度和花瓣的長度寬度。y中是儲存著已知的每組資料對應的花的種類，有0、1兩種情況。feature_names中存了每個屬性的名稱。

先給出主要的程式，然後慢慢解釋其中用到的知識點。

 1 # 繪出6個圖形，包括了以下幾個列：花萼長度、花萼寬度、花瓣長度和花瓣寬度
 2 plt.close('all') # 關掉其他的影象
 3 plt.figure(1)
 4 
 5 # 繪製一個3行2列的圖
 6 subplot_start = 321
 7 col_numbers = range(0, 4)
 8 # 為圖形新增標籤
 9 col_pairs = itertools.combinations(col_numbers, 2)
10 plt.subplots_adjust(wspace = 0.5)
11 
12 for col_pair in col_pairs:
13plt.subplot(subplot_start)
14plt.scatter(x[:,col_pair[0]], x[:,col_pair[1]], c=y)
15plt.xlabel(col_names[col_pair[0]])
16plt.ylabel(col_names[col_pair[1]])
17subplot_start += 1
18plt.show()

• #7：col_numbers = range(0, 4) 上面看到資料中包括四個屬性來判斷該花屬於哪個型別，在程式當中也就是二維陣列中列的0~3。
• #9：col_pairs = itertools.combinations(col_numbers, 2)  itertools.combination可以將裡面的內容組合在一起。這裡由於二維更便於展示，兩兩組合起來繪圖，觀察哪些屬性可以更清晰的區分出兩種花來。返回一個迭代器。
• #12：迴圈從生成的所有兩兩組合中取出來，繪圖。
• #14：plt.scatter(x[:,col_pair[0]], x[:,col_pair[1]], c=y)  繪製散點圖，橫縱軸為組合在一起的兩個屬性，[:,col_pair[0]]的意思就是組合中第一個屬性的150個數據。
• #17: subplot_start += 1  使影象依次畫在一個圖形中。