python散点矩阵图_用python-pandas作图矩阵

本文为一篇翻译文章，来自于Visualize Machine Learning Data in Python With Pandas - Machine Learning Mastery**，原文标题是Visualize Machine Learning Data in Python With Pandas(在Python里使用pandas对机器学习的数据进行可视化分析)，作者的意思是我们在采用机器学习算法对数据进行分析时，首先要对数据进行了解，而了解数据最快速的方式就是可视化。但是作者可视化采用的方法对很多data都通用，且采用的是各种图形的图矩阵，如直方图、散点图矩阵等等。本文就根据作者的分析来介绍如何运用pandas作各种矩阵图。统计类专业，喜欢数据分析、可视化、数据挖掘、大数据，历史、文学等

一、数据

数据为Pima Indians dataset，在作者的代码中包含该数据来源网址，即皮马印第安人糖尿病数据集，样本个数有768个，包含变量有：

Preg：怀孕次数

Plas：口服葡萄糖耐量试验中血浆葡萄糖浓度为2小时

Pres：舒张压(mm Hg)

Skin：三头肌皮褶厚度(mm)

test ：2小时血清胰岛素(μU/ ml)

mass：体重指数(kg /(身高(m))^ 2)

pedi：糖尿病血统功能

age：年龄(岁)

class：类变量(0或1)，估计是性别。

二、Histograms(直方图矩阵)url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"

names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] #设置变量名

data = pandas.read_csv(url, names=names) #采用pandas读取csv数据

data.hist()

plt.show()

直方图矩阵.png

但是，我们看到图形并不协调，存在变量与坐标重叠的情况，我们可以调整hist()的参数来解决，包括对x轴、y轴标签大小的调节((xlabelsize,ylabelsize)，整个图形布局大小的调节figsize：data.hist(xlabelsize=7,ylabelsize=7,figsize=(8,6)) #

plt.show()

直方图矩阵1.png

可以看到每一个变量的分布情况，其中mass、plas、pres呈现一定的正态分布，其他除了class之外，基本上左偏。

三、Density Plots(密度图矩阵)data.plot(kind='density', subplots=True, layout=(3,3), sharex=False,fontsize=8,figsize=(8,6))

plt.show()

原始代码输出后仍然存在重叠的地方，在这里加入了对图中坐标文字fontsize，以及整体布局大小figsize。

密度图.png

四、箱线图矩阵(Box and Whisker Plots)data.plot(kind='box', subplots=True, layout=(3,3), sharex=False, sharey=False, fontsize=8,figsize=(8,6))

plt.show()

与(3)类似，在这里注意可以共享x轴和y轴，用了sharex=False, sharey=False的命令。

箱线图.png

五、相关系数矩阵图(Correlation Matrix Plot)import numpy

correlations = data.corr() #计算变量之间的相关系数矩阵

# plot correlation matrix

fig = plt.figure() #调用figure创建一个绘图对象

ax = fig.add_subplot(111)

cax = ax.matshow(correlations, vmin=-1, vmax=1) #绘制热力图，从-1到1

fig.colorbar(cax) #将matshow生成热力图设置为颜色渐变条

ticks = numpy.arange(0,9,1) #生成0-9，步长为1

ax.set_xticks(ticks) #生成刻度

ax.set_yticks(ticks)

ax.set_xticklabels(names) #生成x轴标签

ax.set_yticklabels(names)

plt.show()

相关系数矩阵.png

颜色越深表明二者相关性越强。

六、散布图矩阵(Scatterplot Matrix)from pandas.tools.plotting import scatter_matrix

scatter_matrix(data,figsize=(10,10))

plt.show()

散布图矩阵.png