Scatter plot - Wikipedia
To identify the type of relationship (if any) between two quantitative variables Waiting time between eruptions and the duration of the eruption for the Old Faithful Geyser in Yellowstone National Park, Wyoming, USA. This chart suggests there are generally two types of eruptions: short-wait-short-duration, and long-wait-long-duration. A 3D scatter plot allows the visualization of multivariate data
matplotlib.pyplot.scatter — Matplotlib 2.2.2 documentation
matplotlib.pyplot.scatter# matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)[source]# A scatter plot of y vs. x with varying marker size and/or color. Parameters: x, yfloat or array-like, shape (n, )The data positions. sfloat or array-like, shape (n, ),
SciPy+matplotlibで3D散布図を作成(Python) - Qiita
PythonでSciPy(NumPy)とmatplotlibを使って3D散布図を作成する方法です。 サンプルデータはiris.csvを使用(http://aima.cs.berkeley.edu/data/iris.csv) scipy.genformtxtメソッドで、csvファイルのデータを直接scipy.array形式で取り込むことができます。 scipy.array形式のデータは普通の配列として扱うことができ、さらにd[d[:,0] >= 7]のように簡単に条件に合うレコードを抽出することができます。複数の条件式を使用する場合はビット演算子で連結します。 グラフ描画の際にはscatter3Dメソッドが使えますが、データ数が多いと極端に重くなります。plotメソッドのほうが良いです。 (5/9追記)plotメソッドではデータの読み込み順にプロットが上書きされていくので、プロットが重なっ
統計学入門演習12.10を解きながら、pandasでの散布図の書き方を確認する。 - Qiita
概要 12-10の問題は、 自民得票率と持ち家比率の相関係数を検定する問題です。 資料はかなり古い(1983年の総選挙！！)ですが、持ち家を持っているほど自民党が有利になるように見えて面白いです。 そこで、単に解くだけでなく、pandas, matplotlibあたりを使って、グラフも表示することにしました。 環境 windows10 64bit python3.5 jupyter-notebook 必要なライブラリなどは、http://www.lfd.uci.edu/~gohlke/pythonlibs/ からダウンロードしました。pip installで入れると動かないこともありました。 ライブラリ %matplotlib inline import pandas as pd import numpy as np import matplotlib.pyplot as plt impo
[Python]Matplotlibで散布図を描画する方法 - Qiita
散布図を書くにはscatterを使う。 以下にいくつかの例を示す。 単純な散布図 下記は最も単純な散布図の例。 import numpy as np import matplotlib.pyplot as plt # generate data x = np.random.rand(100) y = np.random.rand(100) fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.scatter(x,y) ax.set_title('first scatter plot') ax.set_xlabel('x') ax.set_ylabel('y') fig.show() import numpy as np import matplotlib.pyplot as plt # generate data x1 = np.random.
![[Python]Matplotlibで散布図を描画する方法 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/47f4b2fbbce7a37be21d08311d6cf0fca566a66f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCUHl0aG9uJTVETWF0cGxvdGxpYiVFMyU4MSVBNyVFNiU5NSVBMyVFNSVCOCU4MyVFNSU5QiVCMyVFMyU4MiU5MiVFNiU4RiU4RiVFNyU5NCVCQiVFMyU4MSU5OSVFMyU4MiU4QiVFNiU5NiVCOSVFNiVCMyU5NSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9NDY1MzA4ZDU5MjE1MmMzN2ZlOTg1NDQ2YzdhMzBmZTM%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NDM4YTY0ZDdkYWRmMTQxNDhkYTFiMzYzY2M5NjlkNjA%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dfa03e777e872069f711993b78612d1e0)
Excelによるラベル付き散布図の作り方 | ブログ | 統計WEB
Excel のグラフを用いてラベル付き散布図を作成する方法を紹介します。 概要 ラベル付き散布図は、各プロットに名前などのラベルを配置した散布図です。これから紹介する方法を用いて下図のようなラベル付き散布図を作成します。手順は1から8まであります。
散布図 - Wikipedia
英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Scatter plot|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があり
第１２回 相関分析
５．みかけの（偽の）相関関係 相関係数が高いからといって，両者の間に因果関係などが必ずあるとは限りません．例えば，年齢を問わずに調査したら，血圧と垂直飛びに負の相関関係があるかもしれません．しかし，加齢とともに血圧は上がり，運動能力は落ちるから，この関係は見かけのものでしかありません．あるいはテレビの普及率と米の消費量を1960年代について調べたら，負の相関があるでしょう．一般に時間の絡むデータでは見かけの相関関係の出てくることがよくあります． １） 時系列データ 1955年から1970年におけるテレビの販売数と自動車事故の数 1930年から1970年におけるタバコの消費本数と平均寿命 以上のことを調べるとどういう結果が得られるでしょうか？ その結果から，どういう誤った結論が引き出せるでしょうか？ ２） 年齢などに関わるデータ 血圧と原宿あるいは巣鴨で遊ぶ時間を調べたらどうなるでしょうか？
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
