Pandas dan matplotlib adalah dua bibliothek Python yang populer digunakan untuk analisis data statistik. Salah satu fitur yang sangat berguna dalam pandas adalah scatter_matrix(), sebuah fungsi yang dapat membantu kita membuat grafik scatter matrix. Namun, pada beberapa kasus, kita mungkin ingin memiliki kontrol lebih besar atas grafik tersebut.

Dalam artikel ini, kita akan membahas cara membuat grafik scatter matrix multiple dengan Python menggunakan pandas dan matplotlib. Kita juga akan melihat bagaimana kita dapat mendapatkan kontrol lebih besar atas grafik tersebut dengan membuat fungsi sendiri.

Membuat Fungsi Scatter Matrix Sendiri

Berikut adalah contoh kode Python yang menunjukkan bagaimana kita dapat membuat fungsi scatter matrix sendiri:

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

np.random.seed(2020)

dat = pd.DataFrame({'x%i' % ii: np.random.uniform(-1, 1, 100) for ii in range(3)})
dat2 = pd.DataFrame({'x%i' % ii: np.random.uniform(0, 1, 100) for ii in range(3)})

def create_plot(axes, df=None, diagonal="hist", density_kwds=None, hist_kwds=None, marker='.', alpha=0.5, color="blue", **kwds):
 """
 see def scatter_matrix() in:
 https://github.com/pandas-dev/pandas/blob/526f40431a51e1b1621c30a4d74df9006e0274b8/pandas/plotting/_matplotlib/misc.py
 """
 range_padding = 0.05
 hist_kwds = hist_kwds or {}
 density_kwds = density_kwds or {}

 # fix input data
 mask = pd.notna(df)

 boundaries_list = []
 for a in df.columns:
 values = df[a].values[mask[a].values]
 rmin_, rmax_ = np.min(values), np.max(values)
 rdelta_ext = (rmax_ - rmin_) * range_padding / 2.0
 boundaries_list.append((rmin_ - rdelta_ext, rmax_ + rdelta_ext))

 # iterate over columns
 for i, a in enumerate(df.columns):
 for j, b in enumerate(df.columns):
 ax=axes[i,j] ## to abbreviate the code

 if i == j:
 values = df[a].values[mask[a].values]

 # Deal with the diagonal by drawing a histogram there.
 if diagonal == "hist":
 ax.hist(values, color=color, alpha=alpha, **hist_kwds)

 elif diagonal in ("kde", "density"):
 from scipy.stats import gaussian_kde

 y = values
 gkde = gaussian_kde(y)
 ind = np.linspace(y.min(), y.max(), 1000)
 ax.plot(ind, gkde.evaluate(ind), color=color, **density_kwds)

 ax.set_xlim(boundaries_list[i])

 else:
 common = (mask[a] & mask[b]).values

 ax.scatter(
 df[b][common], df[a][common], marker=marker, alpha=alpha, color=color, **kwds
 )

 ax.set_xlim(boundaries_list[j])
 ax.set_ylim(boundaries_list[i])

 ax.set_xlabel(b)
 ax.set_ylabel(a)

 if j != 0:
 ax.yaxis.set_visible(False)
 if i != n - 1:
 ax.xaxis.set_visible(False) 
 return


# create the figure
fig=plt.figure(figsize=(5,5))

# get the matrix size from the first datasest
n = dat.columns.size
print(f"-- creating a {n}x{n} matrix of plots --")

# create the axes
axes={}
gs = mpl.gridspec.GridSpec(n,n,
 left=0.12,right=.97,
 bottom=0.12,top=.97,
 wspace=0,hspace=0,
)
for i, a in enumerate(dat.columns):
 for j, b in enumerate(dat.columns):
 axes[i,j] = plt.subplot(gs[i, j])


create_plot(axes, df=dat, color="blue")
create_plot(axes, df=dat2, color="red")
plt.show()

Kesimpulan

Dalam artikel ini, kita telah membahas cara membuat grafik scatter matrix multiple dengan Python menggunakan pandas dan matplotlib. Kita juga telah melihat bagaimana kita dapat mendapatkan kontrol lebih besar atas grafik tersebut dengan membuat fungsi sendiri. Dengan demikian, kita dapat memiliki lebih banyak kemampuan untuk memahami data yang kita analisis.