pandas.plotting.scatter_matrix #

pandas.plotting。scatter_matrix（frame， alpha = 0.5， figsize = None， ax = None， grid = False，对角线= 'hist'， marker = '.'，密度_kwds = None， hist_kwds = None， range_padding = 0.05， ** kwargs）[来源] #

绘制散点图矩阵。

参数：

帧数据帧

阿尔法浮动，可选

应用的透明度量。

Figsize （浮点型，浮点型），可选

以英寸为单位的元组（宽度、高度）。

ax Matplotlib 轴对象，可选

网格布尔值，可选

将其设置为 True 将显示网格。

对角线{'hist', 'kde'}

在“kde”和“hist”之间进行选择，用于核密度估计或对角线中的直方图。

标记str，可选

Matplotlib 标记类型，默认“.”。

Density_kwds关键字

要传递给核密度估计图的关键字参数。

hist_kwds关键字

要传递给 hist 函数的关键字参数。

range_padding浮点型，默认 0.05

x 和 y 轴范围相对于 (x_max - x_min) 或 (y_max - y_min) 的相对扩展。

**夸格

要传递给分散函数的关键字参数。

返回：

numpy.ndarray

散点图矩阵。

例子

>>> df = pd.DataFrame(np.random.randn(1000, 4), columns=['A','B','C','D'])
>>> pd.plotting.scatter_matrix(df, alpha=0.2)
array([[<Axes: xlabel='A', ylabel='A'>, <Axes: xlabel='B', ylabel='A'>,
        <Axes: xlabel='C', ylabel='A'>, <Axes: xlabel='D', ylabel='A'>],
       [<Axes: xlabel='A', ylabel='B'>, <Axes: xlabel='B', ylabel='B'>,
        <Axes: xlabel='C', ylabel='B'>, <Axes: xlabel='D', ylabel='B'>],
       [<Axes: xlabel='A', ylabel='C'>, <Axes: xlabel='B', ylabel='C'>,
        <Axes: xlabel='C', ylabel='C'>, <Axes: xlabel='D', ylabel='C'>],
       [<Axes: xlabel='A', ylabel='D'>, <Axes: xlabel='B', ylabel='D'>,
        <Axes: xlabel='C', ylabel='D'>, <Axes: xlabel='D', ylabel='D'>]],
      dtype=object)