
- Seaborn 教程
- Seaborn - 首页
- Seaborn - 简介
- Seaborn - 环境搭建
- 导入数据集和库
- Seaborn - 图形美学
- Seaborn - 颜色调色板
- Seaborn - 直方图
- Seaborn - 核密度估计
- 可视化成对关系
- Seaborn - 绘制分类数据
- 观测值的分布
- Seaborn - 统计估计
- Seaborn - 绘制宽格式数据
- 多面板分类图
- Seaborn - 线性关系
- Seaborn - FacetGrid
- Seaborn - PairGrid
- 函数参考
- Seaborn - 函数参考
- Seaborn 有用资源
- Seaborn - 快速指南
- Seaborn - 有用资源
- Seaborn - 讨论
Seaborn 多图网格 - 简介
在本文中,我们将研究多维绘图数据。在各种数据集子集上多次绘制相同的图表是一种有价值的策略。它使查看者能够快速从复杂的数据集中提取大量数据。我们将通过两种不同的方式在 Seaborn 中绘制多个图表。第一种使用 Facetgrid() 方法,第二种隐式地使用 Matplotlib。
Seaborn 中有不同的多图网格,如下所示。
序号 | 名称和描述 |
---|---|
1 | FacetGrid() 当您想分别在数据集的子集内可视化变量的分布或多个变量之间的关系时,FacetGrid 类非常有用。 |
2 | Pairplot() 用于绘制数据集中成对的关系。 |
3 | PairGrid() 用于绘制数据集中成对关系的子图网格。 |
4 | Jointplot() 用于绘制具有双变量和单变量图的两个变量的图。 |
5 | JointGrid() 用作网格,用于绘制具有边缘单变量图的双变量图 |
在了解这些图的工作原理之前,我们将了解如何从 seaborn 库加载内置数据集,因为我们将使用这些数据集来学习这些函数。
Seaborn 除了是一个统计图表工具包外,还包含各种默认数据集。我们将使用一个内置数据集作为默认数据集的示例。
让我们在第一个示例中考虑 tips 数据集。“tips”数据集包含有关可能在餐厅用餐的人的信息,以及他们是否为服务员留下小费,以及他们的性别、吸烟状况和其他因素。
Seaborn.get_dataset_names() 方法有助于检索所有内置数据集的名称。
seaborn.get_dataset_names()
load_dataset() 方法有助于将具有名称的数据集加载到数据结构中。
Tips=seaborn.load_dataset('tips')
以上代码行有助于将名为“tips”的数据集加载到名为 tips 的数据结构中。
现在我们知道了从哪里加载数据集,我们可以继续了解 seaborn 中多图网格的工作原理。
seaborn_function_reference.htm
广告