pandas.plotting.radviz

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

将多维数据集可视化在 2D 空间中。

DataFrame 中的每个 Series 都表示为圆上的均匀分布的切片。每个数据点根据每个 Series 上的值在圆中呈现。DataFrame 中高度相关的 Series 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影响的平衡。

更多信息可在描述 RadViz 的`original article <https://doi.org/10.1145/331770.331775>`_ 中找到。

Parameters:

frame: DataFrameDataFrame

包含数据的对象。

class_columnstr

包含数据点类别名称的列名。

ax: matplotlib.axes.Axes optionalmatplotlib.axes.Axes，可选

要添加信息的绘图实例。

colorlist[str] 或 tuple[str]，可选

为每个类别分配一种颜色。例如：[‘blue’, ‘green’]。

colormap: str 或 matplotlib.colors.Colormap ，默认 Nonestr 或

用于选择颜色的颜色映射。如果为字符串，则从 matplotlib 加载具有该名称的颜色映射。

**kwds

要传递给 matplotlib 散点图绘制方法的选项。

Returns:

matplotlib.axes.Axes

参见

pandas.plotting.andrews_curves

绘制聚类可视化。

Examples

>>> 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')