pandas.plotting.radviz

pandas.plotting.radviz(frame, class_column, ax=None, color=None, colormap=None, **kwds)

以2D形式绘制多维数据集。

DataFrame中的每个系列都表示为圆形上均匀分布的切片。每个数据点根据每个系列上的值呈现在圆圈中。高度关联 Series 在 DataFrame 在单位圆上放置得更近。

RadViz允许将N维数据集投影到2D空间，其中每个维度的影响可以解释为所有维度的影响之间的平衡。

更多信息，请访问 original article 描述了拉德维兹。

参数

框架 ： DataFrameDataFrame

保存数据的对象。

class_column应力

包含数据点类别名称的列名。

ax : matplotlib.axes.Axes ，可选Matplotlib.axs.ax，可选

要向其中添加信息的绘图实例。

color列表 [str] 或元组 [str] ，可选

为每个类别分配一种颜色。示例： [“蓝色”、“绿色”] 。

色彩映射图 : str or matplotlib.colors.Colormap ，默认为无字符串或

从中选择颜色的Colormap。如果是字符串，则从matplotlib加载具有该名称Colormap。

**kwds

要传递给matplotlib散点绘制方法的选项。

退货

类：matplotlib.axes.Axes

参见

plotting.andrews_curves

图聚类可视化。

示例

>>> df = pd.DataFrame(
...     {
...         'SepalLength': [6.5, 7.7, 5.1, 5.8, 7.6, 5.0, 5.4, 4.6, 6.7, 4.6],
...         'SepalWidth': [3.0, 3.8, 3.8, 2.7, 3.0, 2.3, 3.0, 3.2, 3.3, 3.6],
...         'PetalLength': [5.5, 6.7, 1.9, 5.1, 6.6, 3.3, 4.5, 1.4, 5.7, 1.0],
...         'PetalWidth': [1.8, 2.2, 0.4, 1.9, 2.1, 1.0, 1.5, 0.2, 2.1, 0.2],
...         'Category': [
...             'virginica',
...             'virginica',
...             'setosa',
...             'virginica',
...             'virginica',
...             'versicolor',
...             'versicolor',
...             'setosa',
...             'virginica',
...             'setosa'
...         ]
...     }
... )
>>> pd.plotting.radviz(df, 'Category')
<AxesSubplot:xlabel='y(t)', ylabel='y(t + 1)'>

上一页

pandas.plotting.plot_params

下一页

pandas.plotting.register_matplotlib_converters