Как сделать цикл для нескольких графиков рассеяния в Python?

Question

Я пытаюсь автоматизировать процедуру построения матрицы большого кадра данных. Цель состоит в том, чтобы построить каждый столбец с другим столбцом. Каждый столбец представляет переменную. Смотрите также изображение ниже.

F.e: секс против возраста, секс против ИМТ, секс против дыма, секс против типа и т. Д.

Ради ясности я упростил задачу до изображения ниже: введите описание изображения здесь

Сначала я пытался составить каждую комбинацию вручную. Но это довольно трудоемкий пример, а не то, что я хочу.

Я пробовал также это (не работает):

variables = ["Sex", "Age", "BMI"]
for variable in variables:
plt.scatter(df.variable, df.variable)
plt.xlabel('variable')
plt.ylabel('variable')
plt.title('variable vs. variable')
plt.show()

Любая помощь приветствуется!

PS: Если это будет простой пример, включающий линейную регрессию для комбинации переменных, это также будет оценено.

Привет

Nadia

Answer 1

Вы можете сделать что-то вроде этого:

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# Create dummy dataframe, or load your own with pd.read_csv()

columns = ["sex", "age", "BMI", "smoke", "type"]
data = pd.DataFrame(np.array([[1,0,0,1,0], [23,16,94,18,24], [32, 26, 28, 23, 19], [0,1,1,1,0], [1,2,2,2,1]]).T, columns=columns)


x_col = "sex"
y_columns = ["age", "BMI", "smoke"]


for y_col in y_columns:

    figure = plt.figure
    ax = plt.gca()
    ax.scatter(data[x_col], data[y_col])
    ax.set_xlabel(x_col)
    ax.set_ylabel(y_col)
    ax.set_title("{} vs {}".format(x_col, y_col))

    plt.legend()
    plt.show()

По сути, если у вас есть набор данных, сохраненный как файл .csv, вы можете загрузить его с пандами, используя pd.read_csv(), и использовать имена столбцов в качестве ключей для доступа к соответствующим строкам и выполнять итерации по этому (здесь я создал фиктивный фрейм данных только ради этого).

Что касается части линейной регрессии, вы должны проверить библиотеку scikit-learn . В нем много регрессионных моделей для множества различных задач, таких как регрессия, классификация и кластеризация

Answer 2

То, что вы закодировали, строит каждый столбец против себя.То, что вы описали, является вложенным циклом.Простое обновление -

col_choice = ["Sex", "Age", "BMI"]

for pos, axis1 in enumerate(col_choice):   # Pick a first col
    for axis2 in enumerate(col_choice[pos+1:]):   # Pick a later col
        plt.scatter(df.loc[:, axis1], df.loc[:, axis2])

Я думаю , что порождает серию, приемлемую для scatter.

Помогает ли это?Если вы хотите быть более «питоническим», посмотрите на itertools.product, чтобы сгенерировать ваш выбор столбцов.