python散点图怎么绘制

这篇“python散点图怎么绘制”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“python散点图怎么绘制”文章吧。

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 pdfrom sklearn import datasetsimport seaborn as snsimport matplotlib.pyplot as pltdef 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()

以上就是关于“python散点图怎么绘制”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网行业资讯频道。