用python-pandas作圖矩陣

註：本文為一篇翻譯文章，來自於

Visualize Machine Learning Data in Python With Pandas - Machine Learning Mastery，原文標題是VisualizenMachine Learning Data in Python With Pandas（在Python里使用pandas對機器學習的數據進行可視化分析），作者的意思是我們在採用機器學習演算法對數據進行分析時，首先要對數據進行了解，而了解數據最快速的方式就是可視化。但是作者可視化採用的方法對很多data都通用，且採用的是各種圖形的圖矩陣，如直方圖、散點圖矩陣等等。本文就根據作者的分析來介紹如何運用pandas作各種矩陣圖。

（1）數據

數據為PimanIndians dataset，在作者的代碼中包含該數據來源網址，即皮馬印第安人糖尿病數據集，樣本個數有768個，包含變數有：

Preg：懷孕次數

Plas：口服葡萄糖耐量試驗中血漿葡萄糖濃度為2小時

Pres：舒張壓（mm Hg）

Skin：三頭肌皮褶厚度（mm）

test ：2小時血清胰島素（μU/nml）

mass：體重指數（kg /（身高（m））^ 2）

pedi：糖尿病血統功能

age：年齡（歲）

class：類變數（0或1），估計是性別。

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"nnames = [preg, plas, pres, skin, test, mass, pedi, age, class] #設置變數名ndata = pandas.read_csv(url, names=names) #採用pandas讀取csv數據ndata.hist()nplt.show()n

但是，我們看到圖形並不協調，存在變數與坐標重疊的情況，我們可以調整hist（）的參數來解決，包括對x軸、y軸標籤大小的調節（(xlabelsize,ylabelsize），整個圖形布局大小的調節figsize：

data.hist(xlabelsize=7,ylabelsize=7,figsize=(8,6)) #nnplt.show()n

可以看到每一個變數的分布情況，其中mass、plas、pres呈現一定的正態分布，其他除了class之外，基本上左偏。

（3）Density Plots（密度圖矩陣）

data.plot(kind=density, subplots=True, layout=(3,3), sharex=False,fontsize=8,figsize=(8,6))nplt.show()n

原始代碼輸出後仍然存在重疊的地方，在這裡加入了對圖中坐標文字fontsize，以及整體布局大小figsize。

（4）箱線圖矩陣（Box and Whisker Plots）

data.plot(kind=box, subplots=True, layout=(3,3), sharex=False, sharey=False, fontsize=8,figsize=(8,6))nplt.show()n

與（3）類似，在這裡注意可以共享x軸和y軸，用了sharex=False, sharey=False的命令。

（5）相關係數矩陣圖（Correlation Matrix Plot）

import numpyncorrelations = data.corr() #計算變數之間的相關係數矩陣n# plot correlation matrixnfig = plt.figure() #調用figure創建一個繪圖對象nax = fig.add_subplot(111)ncax = ax.matshow(correlations, vmin=-1, vmax=1) #繪製熱力圖，從-1到1nfig.colorbar(cax) #將matshow生成熱力圖設置為顏色漸變條nticks = numpy.arange(0,9,1) #生成0-9，步長為1nax.set_xticks(ticks) #生成刻度nax.set_yticks(ticks)nax.set_xticklabels(names) #生成x軸標籤nax.set_yticklabels(names)nplt.show()n

（6）散布圖矩陣（Scatterplot Matrix）

from pandas.tools.plotting import scatter_matrixnscatter_matrix(data,figsize=(10,10)) nplt.show()n