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)