在 Iris 数据集的散点图中使用不同的颜色

Question

我正在 Python 学习数据分析并使用 matplotlib 和 seaborn 库，我在 Kaggle 中制作了一个笔记本。我试图制作一个散点图，显示萼片叶和花瓣叶的宽度和长度之间的比率。

sns.FacetGrid(iris, hue="Species", size=10) 

total_rows = iris.count
number_of_iris = len(iris)

sepalLengths = iris["SepalLengthCm"]
sepalWidths = iris["SepalWidthCm"]

petalLengths = iris["PetalLengthCm"]
petalWidths = iris["PetalWidthCm"]

plt.scatter(range(number_of_iris),(sepalLengths/sepalWidths))
plt.xlabel("ID")
plt.ylabel("Ratio")
plt.show()

输出为

此代码工作正常，但我试图以三种不同的颜色显示绘图以区分 3 个不同的物种。我将代码更改为：

total_rows = iris.count
number_of_iris = len(iris)

sepalLengths = iris["SepalLengthCm"]
sepalWidths = iris["SepalWidthCm"]

petalLengths = iris["PetalLengthCm"]
petalWidths = iris["PetalWidthCm"]

sns.FacetGrid(iris, hue="Species", size=10) \
   .map(range(number_of_iris),(sepalLengths/sepalWidths)) \
   .add_legend()

但收到错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-48-97e6cd0ab095> in <module>()
     10 petalWidths = iris["PetalWidthCm"]
     11 
---> 12 sns.FacetGrid(iris, hue="Species", size=10)    .map(range(number_of_iris),(sepalLengths/sepalWidths))    .add_legend()

如何将每个物种绘制成不同的颜色？

一小部分数据是：

47,5.1,3.8, 1.34, 1.6,0.2, 8.0, Iris-setosa 
48,4.6,3.2, 1.44, 1.4,0.2, 7.0, Iris-setosa 
49,5.3,3.7, 1.43, 1.5,0.2, 7.5, Iris-setosa 
50,5.0,3.3, 1.52, 1.4,0.2, 7.0, Iris-setosa 
51,7.0,3.2, 2.19, 4.7,1.4, 3.36, Iris-versicolor 
52,6.4,3.2, 2.0, 4.5,1.5, 3.0, Iris-versicolor 
53,6.9,3.1, 2.23, 4.9,1.5, 3.27, Iris-versicolor 
54,5.5,2.3, 2.39, 4.0,1.3, 3.08, Iris-versicolor

Answer 1

Seaborn 为在 DataFrames 中组织的数据提供了一个接口。如果你想使用 seaborn，将你的数据保存在 DataFrame 中是有意义的，可能会添加你想要绘制的列。

import matplotlib.pyplot as plt
import seaborn as sns
iris = sns.load_dataset("iris")
iris["ID"] = iris.index
iris["ratio"] = iris["sepal_length"]/iris["sepal_width"]

sns.lmplot(x="ID", y="ratio", data=iris, hue="species", fit_reg=False, legend=False)

plt.legend()
plt.show()

同样可以用通常的 matplotlib 散点图实现，如下所示：

import matplotlib.pyplot as plt
import seaborn as sns
iris = sns.load_dataset("iris")

ratio = iris["sepal_length"]/iris["sepal_width"]

for name, group in iris.groupby("species"):
    plt.scatter(group.index, ratio[group.index], label=name)

plt.legend()
plt.show()

Answer 2

我们也可以借助pyplot模块的scatter方法，借助sklearn.preprocessing模块绘制散点图

df=pd.read_csv(r'C:\Users\xyz\Desktop\Machine learning projects\iris.csv')
df.head()

现在我们将使用预处理模块中的 labelencoder 将分类变量更改为编码格式（同样为 0-1-2）。

from sklearn.preprocessing import LabelEncoder
encoding=LabelEncoder()
species_encoded=encoding.fit(df['Species']).transform(df['Species'])
species_encoded

现在我们将使用plt.scatter()方法绘制散点图并传递必要的参数。

plt.scatter(df['SepalLengthCm'],df['SepalWidthCm'],alpha=0.4,s=100*df['PetalLengthCm'],cmap='viridis',c=species_encoded)

如图所示：

在 Iris 数据集的散点图中使用不同的颜色

Use different colors in scatterplot for Iris dataset

python

matplotlib

seaborn

kaggle