# 画回归系数图
beta_st = result['beta_st'] # 标准化回归系数
(n, m) = beta_st.shape # n自变量数,m因变量数
label_x = ['x%s'%i for i in range(n)]
label_y = ['y%s'%i for i in range(n)]
barx = np.arange(n) # x坐标
# 画图
width = 0; wid = 0.17
plt.figure(figsize=(12,5))
for i in range(m): # 遍历每个yj的系数
plt.bar(barx+width, beta_st[:, i], width=wid, label=label_y[i])
width += wid #
plt.legend()
通过调整wid
例子2:
a
a = 用户标签.groupby('年代')[['夜间活跃','午间活跃','下午活跃','上午活跃']].sum() # 计算占比.apply(lambda x: x/x.sum(), axis=1)
barx = np.arange(len(a)) # x坐标
# 画图
width = 0; wid = 0.17
plt.figure(figsize=(12,5))
for i in range(len(a.T)): # 遍历每个yj的系数
plt.bar(barx+width, a.iloc[:, i].values, width=wid, label=a.columns[i]) # , label=label_y[i]
width += wid
plt.xticks(range(len(a)), a.index)
plt.legend()