À propos de scatter_matrix
Bonjour ~. 2019/12/23 Avant Noël. Aujourd'hui, je voudrais parler de la procession de dispersion.
matrice de dispersion ・ ・ ・ Un diagramme utilisé pour voir approximativement le type de corrélation de chaque donnée.
API
pandas.plotting.scatter_matrix(frame, alpha=0.5, figsize=None, ax=None, grid=False, diagonal='hist', marker='.', density_kwds=None, hist_kwds=None, range_padding=0.05, **kwds) Document officiel
Description des paramètres
- frame * → pd.DataFrame Entrez les données que vous souhaitez visualiser dans la classe DataFrame.
- c * → couleur.
- alpha * → Transparence de l'objet sur le diagramme.
- figsize * → Taille de la figure
- grid * → S'il est réglé sur True, la grille sera affichée.
- diagonal * → Sélectionnez "kde" et "hist" pour l'estimation de la densité du noyau ou le tracé d'histogramme diagonal.
- marker * → Marqueur Matplotlib. La valeur par défaut est «.»
- densit_kwds * → Passé au graphique d'estimation de densité du noyau
- hist_kwds * → Passé à la fonction hist (spécifiez les bacs (nombre de barres) dans l'histogramme)
- range_padding * → (x_max-x_min) ou (y_max-y_min) extension relative de la plage des axes x et y, par défaut 0,05
Exemple de code
Extrait de Machine learning starting with Python.
sample.py
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import mglearn
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
iris['data'], iris['target'], random_state=0
)
fig, ax = plt.subplots()
iris_dataframe = pd.DataFrame(X_train, columns=iris.feature_names)
grr = pd.scatter_matrix(iris_dataframe, c=y_train, figsize=(15, 15),
ax=ax, marker='o', hist_kwds ={'bins': 20}, s = 60,
alpha=0.8, cmap=mglearn.cm3)
plt.show()
beau. Pour expliquer brièvement, il s'agit essentiellement d'une matrice de graphiques, et la combinaison de x et y dépend des éléments de la matrice. Des histogrammes individuels (bin: 20) sont dessinés sur la partie diagonale.
scatter_matcix est une fonction pour tracer la combinaison d'entités qui peuvent être combinées pour toutes les variables. Cependant, notez que cette méthode ne vous permet pas de voir toutes les fonctionnalités en même temps, vous ne pourrez donc peut-être pas voir les aspects intéressants des données.
Pour le moment, c'est peut-être la meilleure façon d'inspecter les données.