Seaborn.pairplot() 方法

Seaborn.pairplot() 方法用于绘制数据集中成对关系。默认情况下，数据集中的每个数值变量将分别沿单个行的 y 轴和单个列的 x 轴展开，这取决于此函数创建的轴网格。

对于对角线上的图，处理方式有所不同，会创建单变量分布图来显示每列数据的边缘分布。

此外，您可以仅显示数据的一部分，或在不同的行和列中绘制其他变量。这个高级 PairGrid 接口旨在简化创建一些流行样式的操作。

语法

以下是 seaborn.pairplot() 方法的语法：

seaborn.pairplot(data, *, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, corner=False, dropna=False, plot_kws=None, diag_kws=None, grid_kws=None, size=None)

参数

下面讨论了 pairplot() 方法的一些参数。

序号	名称和描述
1	Data 接受数据框，其中每一列是一个变量，每一行是一个观测值。
2	hue 指定将在特定网格面上显示的数据部分的变量。要控制此变量的级别顺序，请参考 var order 参数。
3	Kind 接受来自 {‘scatter’, ‘kde’, ‘hist’, ‘reg’} 的值，并确定要创建的绘图类型。
4	Diag_kind 接受来自 {‘auto’, ‘hist’, ‘kde’, None} 的值，如果使用，则确定对角线子图的绘图类型。如果为 ‘auto’，则根据是否使用 hue 来选择。
5	Height 接受标量值，并确定面的高度。
6	Aspect 接受标量值，每个面的纵横比，因此 aspect * height 给出每个面的宽度（以英寸为单位）。
7	corner 接受布尔值，如果为 True，则不向网格的上三角（非对角线）添加轴，使其成为“角”图。
8	hue_order 接受列表作为输入，并由此顺序确定分面变量级别的顺序。

在继续绘制之前，让我们加载 seaborn 库和数据集。

加载 seaborn 库

要加载或导入 seaborn 库，可以使用以下代码行。

Import seaborn as sns

加载数据集

在本文中，我们将使用 seaborn 库中内置的 exercise 数据集。以下命令用于加载数据集。

exercise =sns.load_dataset("exercise")

以下命令用于查看数据集中前 5 行。这使我们能够了解可以使用哪些变量来绘制图形。

exercise.head()

以下是上述代码段的输出。

index,Unnamed: 0,id,diet,pulse,time,kind
0,0,1,low fat,85,1 min,rest
1,1,1,low fat,85,15 min,rest
2,2,1,low fat,88,30 min,rest
3,3,2,low fat,90,1 min,rest
4,4,2,low fat,92,15 min,rest

现在我们已经加载了数据集，我们将探索一些示例。

示例 1

我们将首先调用 pairplot() 方法并将数据框传递给它。这将产生多个图，如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
sns.pairplot(exercise)
plt.show()

输出

示例 2

在这个示例中，我们将与 dataframe 一起将一些其他参数传递给 pairplto() 方法。由于我们使用的是 exercise 数据集，因此我们将使用 diet 分类列并将其传递给 hue 数据集，我们将绘制本质上是直方图的图形，这就是为什么 diag_kind 参数传递 hist 值的原因。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
sns.pairplot(exercise, hue="diet", diag_kind="hist")
plt.show()

输出

获得的输出如下所示：

示例 3

在这个示例中，我们将了解 map_lower() 函数的使用。我们将 pairplot 保存到变量 g 中，然后将 map_lower 函数应用于它。因此，基本上，对于存在的每个唯一的 hue 值，都会运行传递给 map.lower 的 func（对于每个变量）。当没有给出 hue 时，该函数将只在所有相关数据上运行一次（对于每个变量）。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
g = sns.pairplot(exercise, diag_kind="kde")
g.map_lower(sns.kdeplot, levels=4, color=".8")
plt.show()

输出

获得的输出如下所示：

seaborn_multi_plot_grids_introduction.htm

打印页面