python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解

plt.scatter() 参数
​​​​​​

#plt.scatter() 散点图
#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)

主要参数:

    s:散点的大小

    c:散点的颜色,'r '/'g'/'y'/'w'/'k'.......

    marker:散点形状,  '.'(点)/'o'(圆)/'v'(倒三角形)/'*'(星星)/'s'(正方形).........

    cmap:colormap,颜色版:'accent','blues','bugn','oranges'....

    vmin,vmax:亮度设置,标亮

    alpha :颜色透明程度, 实数,0-1之间

    linewidths:线的宽度

    linestyle: 线的风格,'--'(虚线)/ '-' (直线) / '-.'(间隔虚线)/ ': '(全为点).......

实例:

python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解_第1张图片

结果展示:

python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解_第2张图片

从图中看出,由于x,y都是服从随机正态分布的数, 因此数据是聚集的。该类散点图可以用来展示三维数据(x坐标,y坐标,点的大小)

pd.scatter_matrix()参数

pd.scatter_matrix(frame,alpha = 0.5,figsize =(10,8) ,grid = False,diagonal = 'hist',marker = 'o',range_padding = 0.01,**kwds)

参数解释:

        frame:数据需要举阵形式

        diagonal: { 'hist','kde'}必须在这两个中选一个, 'kde' 就是画密度图且核为kde,若diagonal='hist',则为直方图

        range_padding: 图像在x轴,y轴原点附近留白,值越大,留白越多。

实例:

python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解_第3张图片

结果展示:

python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解_第4张图片

根据矩阵散点图形状,看变量间的相互关系。

 

你可能感兴趣的:(python画散点图以及矩阵散点图plt.scatter()和pd.scatter_matrix()详解)