python散點圖的繪製

2022-02-11 13:01:16

一、二維散點圖的繪製

1.採用pandas.plotting.scatter_matrix函數繪製

pd.plotting.scatter_matrix(iris_data, figsize=(10, 10), alpha=1, hist_kwds={"bins": 20})

2. 採用seaborn進行繪製

  # No. 1
    # 全部變數都放進去
    sns.pairplot(iris_data)

   # No.2
    #kind:用於控制非對角線上圖的型別，可選'scatter'與'reg'
    #diag_kind:用於控制對角線上的圖分型別，可選'hist'與'kde'
    
    sns.pairplot(iris_data, kind='reg', diag_kind='kde')
    sns.pairplot(iris_data, kind='reg', diag_kind='hist')

經過hue分類後的pairplot中發現，不論是從對角線上的分佈圖還是從分類後的散點圖，都可以看出對於不同種類的花，其萼片長、花瓣長、花瓣寬的分佈差異較大，換句話說，這些屬性是可以幫助我們去識別不同種類的花的。比如，對於萼片、花瓣長度較短，花瓣寬度較窄的花，那麼它大概率是山鳶尾

  # No 3
    # hue：針對某一欄位進行分類
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

  # No 4
    # vars：研究某2個或者多個變數之間的關係vars,
    # x_vars,y_vars：選擇資料中的特定欄位，以list形式傳入需要注意的是，x_vars和y_vars要同時指定
    sns.pairplot(iris_data, vars=["sepal length (cm)", "sepal width (cm)"])
    sns.pairplot(iris_data, x_vars=["petal length (cm)", "sepal width (cm)"], y_vars=["petal width (cm)", "sepal length (cm)"])

二、三維散點圖繪製

三維散點圖繪製採用mplot3d 模組進行繪製

  # No. 5 3d
    from mpl_toolkits.mplot3d import Axes3D
    dims={'x':'petal length (cm)', 'y':'petal width (cm)', 'z':'sepal length (cm)'}

    types=iris_data.species.value_counts().index.tolist()
    print(dims, types)
    flg=plt.figure()
    ax=Axes3D(flg)
    for iris_type in types:
        tmp_data=iris_data[iris_data.species ==iris_type]
        x,y,z = tmp_data[dims['x']], tmp_data[dims['z']],tmp_data[dims['z']]
        ax.scatter(x, y, z, label=iris_type)

    ax.legend(loc='upper left')
    ax.set_zlabel(dims['z'])
    ax.set_xlabel(dims['x'])
    ax.set_ylabel(dims['y'])
    plt.show()

完整程式碼：

import pandas as pd
from sklearn import datasets
import seaborn as sns
import matplotlib.pyplot as plt

def function():
    iris = datasets.load_iris()
    iris_data = pd.DataFrame(iris.data, columns=iris.feature_names)
    iris_data['species'] = iris.target_names[iris.target]

    # No. 0
    pd.plotting.scatter_matrix(iris_data, figsize=(10, 10), alpha=1, hist_kwds={"bins": 20})

    # No. 1
    # 全部變數都放進去
    sns.pairplot(iris_data)


    # No.2
    sns.pairplot(iris_data, kind='reg', diag_kind='kde')
    sns.pairplot(iris_data, kind='reg', diag_kind='hist')

    # No 3
    # hue：針對某一欄位進行分類
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

    # No 4
    # vars：研究某2個或者多個變數之間的關係vars,
    # x_vars,y_vars：選擇資料中的特定欄位，以list形式傳入需要注意的是，x_vars和y_vars要同時指定

    sns.pairplot(iris_data, vars=["sepal length (cm)", "sepal width (cm)"])
    sns.pairplot(iris_data, x_vars=["petal length (cm)", "sepal width (cm)"], y_vars=["petal width (cm)", "sepal length (cm)"])

    # No. 5 3d
    from mpl_toolkits.mplot3d import Axes3D
    dims={'x':'petal length (cm)', 'y':'petal width (cm)', 'z':'sepal length (cm)'}

    types=iris_data.species.value_counts().index.tolist()
    print(dims, types)
    flg=plt.figure()
    ax=Axes3D(flg)
    for iris_type in types:
        tmp_data=iris_data[iris_data.species ==iris_type]
        x,y,z = tmp_data[dims['x']], tmp_data[dims['z']],tmp_data[dims['z']]
        ax.scatter(x, y, z, label=iris_type)

    ax.legend(loc='upper left')
    ax.set_zlabel(dims['z'])
    ax.set_xlabel(dims['x'])
    ax.set_ylabel(dims['y'])

    print( iris_data)

    plt.show()


if __name__ == '__main__':
    function()

到此這篇關於python散點圖的繪製的文章就介紹到這了,更多相關python散點圖繪製內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！