关于python：pyplot.scatter(dataframe)与dataframe.plot(kind =’scatter’)


pyplot.scatter(dataframe) vs. dataframe.plot(kind='scatter')

我有几个熊猫数据框。我想在单独的散点图中绘制几列，彼此相对，然后将它们组合为图中的子图。我想相应地标记每个子图。在使子图标签正常工作方面，我遇到了很多麻烦，直到我发现据我所知，有两种直接从数据框进行图绘制的方法；参见SO和pandasdoc：

1
2
ax0 = plt.scatter(df.column0, df.column5)
type(ax0): matplotlib.collections.PathCollection

和

1
2
ax1 = df.plot(0,5,kind='scatter')
type(ax1): matplotlib.axes._subplots.AxesSubplot

ax.set_title('title')适用于ax1，但不适用于ax0，这将返回
AttributeError: 'PathCollection' object has no attribute 'set_title'

我不明白为什么存在两种不同的方式。使用PathCollections的第一种方法的目的是什么？在17.0中添加了第二个。是第一个过时的还是有其他用途的？

相关讨论

如您所见，pandas函数返回一个axes对象。也可以使用"获取当前轴"功能将PathCollection对象解释为轴对象。例如：

1
2
3
plot = plt.scatter(df.column0, df.column5)
ax0 = plt.gca()
type(ax0)

< matplotlib.axes._subplots.AxesSubplot at 0x10d2cde10>

您可能会看到以下更标准的方式：

1
2
3
fig = plt.figure()
ax0 = plt.add_subplot()
ax0.scatter(df.column0, df.column5)

这时，欢迎您执行"设置"命令，例如您的set_title。

希望这会有所帮助。

两者之间的区别在于它们来自不同的库。第一个来自matplotlib，第二个来自pandas。它们执行相同的操作，即创建一个matplotlib散点图，但是matplotlib版本返回点的集合，而pandas版本返回matplotlib子图。这使matplotlib版本更具通用性，因为您可以在另一个图中使用点的集合。