pandas.plotting.radviz #

pandas.plotting。radviz (框架, class_column , ax = None , color = None , colormap = None , ** kwds ) [来源] #

以 2D 形式绘制多维数据集。

DataFrame 中的每个系列都表示为圆上均匀分布的切片。每个数据点根据每个系列上的值呈现在圆圈中。DataFrame中高度相关的Series 放置在更靠近单位圆的位置。

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

更多信息请参阅描述 RadViz 的原始文章。

参数：

帧数据帧: 保存数据的对象。
class_column字符串: 包含数据点类别名称的列名称。
斧头matplotlib.axes.Axes，可选: 要添加信息的绘图实例。
颜色列表[str]或元组[str]，可选: 为每个类别分配一种颜色。示例：['蓝色'，'绿色']。
颜色图str 或matplotlib.colors.Colormap, 默认 None: 用于从中选择颜色的颜色图。如果是字符串，则从 matplotlib 加载具有该名称的颜色图。
**kwds: 传递给 matplotlib 散点图方法的选项。

返回：

matplotlib.axes.Axes

也可以看看

pandas.plotting.andrews_curves: 绘制聚类可视化图。

例子

>>> 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')  

../../_images/pandas-plotting-radviz-1.png