标签：none plt matrix kde 散点图 scatter

plt.scatter() 参数
​​​​​​
#plt.scatter() 散点图
#plt.scatter(x,y,s=20,c = None,marker = 'o',cmap = none,norm = none,vmin = none,vmax = none,alpha = none,linewidths = none,verts = none,edgecolors = none,hold = none,**kwargs)

主要参数：

    s:散点的大小

    c:散点的颜色，'r '/'g'/'y'/'w'/'k'.......

    marker:散点形状,  '.'(点)/'o'（圆）/'v'（倒三角形）/'*'（星星）/'s'（正方形）.........

    cmap：colormap，颜色版：'accent','blues','bugn','oranges'....

    vmin，vmax:亮度设置，标亮

    alpha ：颜色透明程度， 实数，0-1之间

    linewidths:线的宽度

    linestyle: 线的风格，'--'（虚线）/ '-' (直线) / '-.'(间隔虚线)/ ': '(全为点).......

实例：

结果展示：

从图中看出，由于x,y都是服从随机正态分布的数， 因此数据是聚集的。该类散点图可以用来展示三维数据（x坐标，y坐标，点的大小）

pd.scatter_matrix()参数
pd.scatter_matrix(frame,alpha = 0.5,figsize =(10,8) ,grid = False,diagonal = 'hist',marker = 'o',range_padding = 0.01,**kwds)

参数解释：

        frame：数据需要举阵形式

        diagonal： { 'hist','kde'}必须在这两个中选一个， 'kde' 就是画密度图且核为kde,若diagonal='hist',则为直方图

        range_padding： 图像在x轴，y轴原点附近留白，值越大，留白越多。

实例：

结果展示：

根据矩阵散点图形状，看变量间的相互关系。

原文链接：https://blog.csdn.net/leilei9406/article/details/83538117

标签：none,plt,matrix,kde,散点图,scatter
来源： https://blog.csdn.net/bingbangx/article/details/118520374

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。