Python pandas.plotting.scatter_matrix用法及代码示例

用法:
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, **kwargs)

绘制散点图矩阵。

参数：

frame： DataFrame
alpha：浮点数，可选: 应用的透明度量。
figsize：(浮点数，浮点数)，可选: 以英寸为单位的元组(宽度，高度)。
ax：Matplotlib 轴对象，可选
grid：布尔型，可选: 将此设置为 True 将显示网格。
diagonal：{‘hist’, ‘kde’}: 在‘kde’ and ‘hist’ 之间选择核密度估计或对角线直方图。
marker：str，可选: Matplotlib 标记类型，默认为“.”。
density_kwds：关键词: 要传递给核密度估计图的关键字参数。
hist_kwds：关键词: 要传递给 hist 函数的关键字参数。
range_padding：浮点数，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。
**kwargs：: 要传递给 scatter 函数的关键字参数。

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([[<AxesSubplot:xlabel='A', ylabel='A'>,
    <AxesSubplot:xlabel='B', ylabel='A'>,
    <AxesSubplot:xlabel='C', ylabel='A'>,
    <AxesSubplot:xlabel='D', ylabel='A'>],
   [<AxesSubplot:xlabel='A', ylabel='B'>,
    <AxesSubplot:xlabel='B', ylabel='B'>,
    <AxesSubplot:xlabel='C', ylabel='B'>,
    <AxesSubplot:xlabel='D', ylabel='B'>],
   [<AxesSubplot:xlabel='A', ylabel='C'>,
    <AxesSubplot:xlabel='B', ylabel='C'>,
    <AxesSubplot:xlabel='C', ylabel='C'>,
    <AxesSubplot:xlabel='D', ylabel='C'>],
   [<AxesSubplot:xlabel='A', ylabel='D'>,
    <AxesSubplot:xlabel='B', ylabel='D'>,
    <AxesSubplot:xlabel='C', ylabel='D'>,
    <AxesSubplot:xlabel='D', ylabel='D'>]], dtype=object)

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.plotting.scatter_matrix。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：