Python数据处理从零开始----第四章（可视化）①③多变量绘图
关联矩阵点图
科研工作中我们经常需要把每两个变量之间的关系计算， 然后可以得到一个相关矩阵。 如果两个变量的变化趋势一样， 那么这个值就会大于零， 表明连个变量正相关，值越大代表相关性越强。 相反的话，如果两个变量的变化趋势相反， 这个值就会小于零。我们经常需要关注这个值，是因为在许多机器学习算法中，强相关的变量会导致算法能力下降。
1.导入数据
%clear
%reset -f# In[*]# 加载Python库import numpy as npfrom numpy import loadtxtimport xgboost as xgbfrom xgboost import XGBClassifierfrom matplotlib import pyplotimport osfrom sklearn.model_selection import train_test_splitimport pandas as pdimport numpy as np
os.chdir("D:\\train")# In[*]from matplotlib import pyplotfrom pandas import read_csv
filename = 'pima-indians-diabetes.csv'names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(filename, names=names)绘制相关关系图
correlations = data.corr()# plot correlation matrixfig = pyplot.figure() ax = fig.add_subplot(111) cax = ax.matshow(correlations, vmin=-1, vmax=1) fig.colorbar(cax) ticks = np.arange(0,9,1) ax.set_xticks(ticks) ax.set_yticks(ticks) ax.set_xticklabels(names) ax.set_yticklabels(names) pyplot.show()
密度图
data.plot(kind='density', subplots=True, layout=(3,3), sharex=False) pyplot.show()
-4.散点图
from pandas.plotting import scatter_matrix scatter_matrix(data) pyplot.show()
作者：夜神moon
链接：https://www.jianshu.com/p/19cb08c79589
随时随地看视频
