pandas.plotting.radviz

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

在2D中绘制多维数据集。

DataFrame 中的每个 Series 在一个圆上均匀分布。每个数据点根据每个 Series 的值在圆上呈现。在 DataFrame 中高度相关的 Series 在单位圆上更靠近。

RadViz 允许将一个 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的平衡。

更多信息可在描述 RadViz 的 原始文章 中找到。

参数:

frameDataFrame

对象持有数据。

class_columnstr

包含数据点类别名称的列名。

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

一个要添加信息的绘图实例。

颜色list[str] 或 tuple[str], 可选

为每个类别分配一种颜色。示例：[‘蓝色’, ‘绿色’]。

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

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

**kwds

传递给 matplotlib 散点绘图方法的选项。

返回:

matplotlib.axes.Axes

来自 Matplotlib 的 Axes 对象。

参见

plotting.andrews_curves

绘制聚类可视化。

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")