python散点图的绘制

目录
  • 一、二维散点图的绘制
    • 1.采用pandas.plotting.scatter_matrix函数绘制
    • 2. 采用seaborn进行绘制
  • 二、 三维散点图绘制

一、二维散点图的绘制

1.采用pandas.plotting.scatter_matrix函数绘制

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

2. 采用seaborn进行绘制

  # No. 1
    # 全部变量都放进去
    sns.pairplot(iris_data)

   # No.2
    #kind:用于控制非对角线上图的类型,可选'scatter'与'reg'
    #diag_kind:用于控制对角线上的图分类型,可选'hist'与'kde'
    
    sns.pairplot(iris_data, kind='reg', diag_kind='kde')
    sns.pairplot(iris_data, kind='reg', diag_kind='hist')

经过hue分类后的pairplot中发现,不论是从对角线上的分布图还是从分类后的散点图,都可以看出对于不同种类的花,其萼片长、花瓣长、花瓣宽的分布差异较大,换句话说,这些属性是可以帮助我们去识别不同种类的花的。比如,对于萼片、花瓣长度较短,花瓣宽度较窄的花,那么它大概率是山鸢尾

  # No 3
    # hue:针对某一字段进行分类
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

  # No 4
    # vars:研究某2个或者多个变量之间的关系vars,
    # x_vars,y_vars:选择数据中的特定字段,以list形式传入需要注意的是,x_vars和y_vars要同时指定
    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、 三维散点图绘制

三维散点图绘制采用mplot3d 模块进行绘制

  # 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()

完整代码:

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
    # 全部变量都放进去
    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:针对某一字段进行分类
    sns.pairplot(iris_data, hue='species', kind='reg', diag_kind='hist')

    # No 4
    # vars:研究某2个或者多个变量之间的关系vars,
    # x_vars,y_vars:选择数据中的特定字段,以list形式传入需要注意的是,x_vars和y_vars要同时指定

    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()

到此这篇关于python散点图的绘制的文章就介绍到这了,更多相关python散点图绘制内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Python利用matplotlib绘制散点图的新手教程

    前言 上篇文章介绍了使用matplotlib绘制折线图,参考:https://www.jb51.net/article/198991.htm,本篇文章继续介绍使用matplotlib绘制散点图. 一.matplotlib绘制散点图 # coding=utf-8 import matplotlib.pyplot as plt years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019] turnovers =

  • Python matplotlib 绘制散点图详解建议收藏

    目录 前言 1. 散点图概述 什么是散点图? 散点图使用场景 绘制散点图步骤 案例展示  2. 散点图属性 设置散点大小 设置散点颜色 设置散点样式 设置透明度 设置散点边框 3. 添加折线散点图 4. 多类型散点图 5. 颜色条散点图 6. 曲线散点图 总结 前言 我们在matplotlib模块学习中,发现有常用的反映数据变化的折线图,对比数据类型差异的柱状图和反应数据频率分布情况的直方图. 其实在数据统计图表中,有一种图表是散列点分布在坐标中,反应数据随着自变量变化的趋势. 本期,我们将详细

  • Python散点图与折线图绘制过程解析

    这篇文章主要介绍了Python散点图与折线图绘制过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 在数据分析的过程中,经常需要将数据可视化,目前常使用的:散点图 折线图 需要import的外部包 一个是绘图 一个是字体导入 import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties 在数据处理前需要获取数据,从TXT XML csv

  • python进行相关性分析并绘制散点图详解

    目录 需要用到的库 数据读取 总结 近期,有小伙伴问我关于怎么使用python进行散点图的绘制,这个东西很简单,但是怎么讲相关性的值标注在图形上略显麻烦,因此,在这里记录一下,将整个流程展示一下. 需要用到的库 在本篇博客中,主要用到的库是pandas.numpy.matplotlib.seaborn等,想要使用seaborn库必须要引入matplotlib库,seaborn是作为它的外挂库. #1 load pakeage import pandas as pd#读写表格以及表格处理 impo

  • Python基于pandas绘制散点图矩阵代码实例

    1.示例 1 代码 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 生成数据 v1 = np.random.normal(0, 1, 100) v2 = np.random.randint(0, 23, 100) v3 = v1 * v2 # 3*100 的数据框 df = pd.DataFrame([v1, v2, v3]).T # 绘制散点图矩阵 pd.plotting.scatter_matr

  • Python matplotlib绘制散点图的实例代码

    前言 前面说到的主要是matplotlib对于图像的基础操作,然后从这篇开始,主要说一下点图,分析点图在实际问题的数据处理中应用非常广泛,比如说逻辑回归是利用现有的数据点通过拟合得到一定的函数关系,甚至生活中,物体运动的轨迹,也可以看做是连续的点绘制而成,还有图像,也是很多个像素点堆砌而成的,在图像处理中经常会针对单个像素点进行处理. 现在的深度学习或者机器学习,模型都是固定的,大多 不需要怎么改动,而能提升训练效果的,最重要的就是能更好的处理数据,而很多数据本身就是点集,利用matplotli

  • python散点图的绘制

    目录 一.二维散点图的绘制 1.采用pandas.plotting.scatter_matrix函数绘制 2. 采用seaborn进行绘制 二. 三维散点图绘制 一.二维散点图的绘制 1.采用pandas.plotting.scatter_matrix函数绘制 pd.plotting.scatter_matrix(iris_data, figsize=(10, 10), alpha=1, hist_kwds={"bins": 20}) 2. 采用seaborn进行绘制   # No.

  • Python使用matplotlib绘制余弦的散点图示例

    本文实例讲述了Python使用matplotlib绘制余弦的散点图.分享给大家供大家参考,具体如下: 一 代码 import numpy as np import pylab as pl a = np.arange(0,2.0*np.pi,0.1) b = np.cos(a) #绘制散点图 pl.scatter(a,b) pl.show() 二 运行结果 三 修改散点符号代码 import numpy as np import pylab as pl a = np.arange(0,2.0*np

  • Python matplotlib实现散点图的绘制

    目录 一.整理数据 二.修改点的样式 三.呈现半透明的状态 四.点呈现多彩的颜色 五.让点的大小不一 六.侧边呈现颜色卡 七.改变集中性 一.整理数据 import pandas as pd cnbodf=pd.read_excel('cnboo1.xlsx') cnbodfsort=cnbodf.sort_values(by=['BO'],ascending=False) def mkpoints(x,y): return len(str(x))*(y/25)-3 cnbodfsort['po

  • Python+Pyecharts实现散点图的绘制

    目录 第1关:Scatter:散点图(一) 编程要求 代码 测试说明 第2关:Scatter:散点图(二) 编程要求 代码 测试说明 第3关:Scatter:散点图(三) 编程要求 代码 测试说明 第1关:Scatter:散点图(一) 编程要求 根据以上介绍,在右侧编辑器补充代码,绘制给定数据的散点图,要求: 画布大小初始化为宽 1600 像素,高 1000 像素 X 轴数据设置为 x_data 添加 Y 轴数据.系列名称设置为空,数据使用 y_data,标记的大小设置为20,不显示标签 X 轴

  • python可视化分析绘制散点图和边界气泡图

    目录 一.绘制散点图 二.绘制边界气泡图 一.绘制散点图 实现功能: python绘制散点图,展现两个变量间的关系,当数据包含多组时,使用不同颜色和形状区分. 实现代码: import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings(action

  • python可视化分析绘制带趋势线的散点图和边缘直方图

    目录 一.绘制带趋势线的散点图 二.绘制边缘直方图 一.绘制带趋势线的散点图 实现功能: 在散点图上添加趋势线(线性拟合线)反映两个变量是正相关.负相关或者无相关关系. 实现代码: import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings(action='once') plt.s

  • Python使用Matplotlib绘制三维散点图详解流程

    什么是Matplotlib? Matplotlib是Python中的一个库,用于创建静态和动态动画,并使用其内置函数绘制.它有很多内置特性和内置分析工具,用于分析任何图形或图表. 如果我们想绘制任何三维图形,那么我们可以使用Matplotlib库.当我们有一个巨大的三维变量数据集,我们绘制它的图形时,它看起来非常分散,这被称为3D散点图.我们将使用Matplotlib的matplot3d工具包绘制三维图形. 有一把斧头.函数,它接受坐标X.Y和Z的数据集. 根据我们想要赋予三维图的属性,需要更多

  • Python通过matplotlib绘制动画简单实例

    Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形. 通过Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等. matplotlib从1.1.0版本以后就开始支持绘制动画,具体使用可以参考官方帮助文档.下面是一个很基本的例子: """ A simple example of an animated plot """ import n

随机推荐