散布图

散布图(散点图） 通常是连续值与连续值之间的对应关系 也可能是连续值和离散值之间的对应关系 离散值之间一般不需要表达散点图的关系 # 查看消费随着账单变化的对应关系 # x表示作为横轴展示列标签名字 # y表示作为纵轴展示列标签的名字 # 连续值与连续值的对应关系 # 作为散点图的列，必须是数值类型 # 可以使用map函数对不是数值的列进行数值映射 tips . plot ( kind = "scatter" , x = 'total_bill' , y = 'tip' ) tips . plot ( kind = "scatter" , x = "sex_flag" , y = "total_bill" ) 散布图 散布图是观察两个一维数据之间的关系的有效方法，DataFrame 对象可用。 使用方法：设置kind=‘scatter’ 给明标签columns 散布图矩阵，当有多个点时，两两点的关系 使用函数： pd.plotting.scatter_matrix() 参数diagnol：设置对角线的图像类型 # 只显示可以用散点图表示的数据,即只能显示数值类型的列之间的对应关系 _ = pd . plotting . scatter_matrix ( tips , diagonal = 'kde' ) 来源： CSDN 作者： my_白白白 链接： https://blog

matplotlib API入门 使用matplotlib的办法最常用的方式是pylab的ipython，pylab模式还会向ipython引入一大堆模块和函数提供一种更接近与matlab的界面，matplotlib API函数位于matplotlib.pyplot模块中，其通常的引入约定是：import matplot.pyplot as plt 1、Figure和Subplot matplotlib的图像都位于Figure对象中，你可以用plt.figure创建一个新的Figure，不能通过空Figure绘图，必须用add_subplot创建一个或多个sub_plot才行 >>> import matplotlib.pyplot as plt >>> fig=plt.figure() >>> ax1=fig.add_subplot(2,2,1) >>> ax2=fig.add_subplot(2,2,2) 你可以在matplotlib的文档中找到各种图表类型，由于根据特定布局创建Figure和subplot是一件常见的任务，于是便出现一个更为方便的方法：plt.subplots,它可以创建一个新的Figure，且返回一个含有已创建的subplot对象的numpy数组。 pandas中的绘图函数 1、线型图 Series和DataFrame都有一个用于生成各类图标的plot方法