pandas.plotting.radviz

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

Построение многомерного набора данных в 2D.

Каждый столбец в DataFrame представлен как равномерно распределённый сектор на окружности. Каждая точка данных отображается на окружности в соответствии со значением в каждом столбце. Сильно коррелированные Series в DataFrame находятся ближе на единичной окружности.

RadViz позволяет спроецировать N-мерный набор данных в двумерное пространство, где влияние каждой размерности можно интерпретировать как баланс влияния всех размерностей.

Дополнительную информацию можно найти в исходной статье, описывающей RadViz.

Параметры:

frame : DataFrame Объект Pandas, содержащий данные. class_column : str Имя столбца, содержащего имя категории точки данных. ax : matplotlib.axes.Axes, optional Объект графика, к которому добавить информацию. color : list[str] or tuple[str], optional Присвоить цвет каждой категории. Пример: [‘синий’, ‘зелёный’]. colormap : str или matplotlib.colors.Colormap, по умолчанию None Цветовая карта для выбора цветов. Если строка, загрузить цветовую карту с этим именем из matplotlib. kwds : optional Параметры для передачи методу построения диаграммы рассеяния matplotlib.

Возвращает:

axes : matplotlib.axes.Axes

См. также

pandas.plotting.andrews_curves

Визуализация кластеризации

Примеры

>>> 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']
...     })
>>> rad_viz = pd.plotting.radviz(df, 'Category')