Python可视化：5分钟入门 pairplot
图片来源于网络 文/易执
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。
今天给大家介绍的是pairplot，话不多说，直接进入正题。
注：所有代码均在IPython notebook中实现
· 正 · 文 · 来 · 啦 ·
pairplotpairplot中pair是成对的意思，pairplot主要展现的是变量两两之间的关系（线性或非线性，有无较为明显的相关关系），照例来总览一下pairplot的API。
下面用鸢尾花数据集来介绍pairplot的用法。鸢尾花数据集已经用了不少次了，但大多数人（我也）可能还不知道鸢尾花长啥样，先上张鸢尾花的图。
先导入相关的包，并配置相关的参数
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
sns.set_style('white',{'font.sans-serif':['simhei','Arial']})
#导入seaborn自带iris数据集
data=sns.load_dataset("iris")
#为了方便大家观看，把列名换成中文的
data.rename(columns={"sepal_length":"萼片长",
"sepal_width":"萼片宽",
"petal_length":"花瓣长",
"petal_width":"花瓣宽",
"species":"种类"},inplace=True)
kind_dict = {
"setosa":"山鸢尾",
"versicolor":"杂色鸢尾",
"virginica":"维吉尼亚鸢尾"
}
data["种类"] = data["种类"].map(kind_dict)
data.head() #数据集的内容如下
先来直观看看pairplot长什么样
sns.pairplot(data)
可以看到对角线上是各个属性的直方图（分布图），而非对角线上是两个不同属性之间的相关图，从图中我们发现，花瓣的长度和宽度之间以及萼片的长短和花瓣的长、宽之间具有比较明显的相关关系。
接下来介绍一下pairplot主要的参数及其用法
kind：用于控制非对角线上的图的类型，可选"scatter"与"reg"
diag_kind：控制对角线上的图的类型，可选"hist"与"kde"
sns.pairplot(data,kind="reg",diag_kind="kde")
将 kind 参数设置为 "reg" 会为非对角线上的散点图拟合出一条回归直线，更直观地显示变量之间的关系。
那对于不同种类的花，其花萼和花瓣有什么比较鲜明的特征吗？我们通过 hue参数把不同种类的花区分开，进行进一步分析。
hue ：针对某一字段进行分类
#不同类别的点会以不同的颜色显现出来
sns.pairplot(data,hue="种类")
我们可以从经过hue分类后的pairplot中发现，不论是从对角线上的分布图还是从分类后的散点图，都可以看出对于不同种类的花，其萼片长、花瓣长、花瓣宽的分布差异较大，换句话说，这些属性是可以帮助我们去识别不同种类的花的。
比如，对于萼片、花瓣长度较短，花瓣宽度较窄的花，那么它大概率是山鸢尾。
当然，可以通过 palette 参数来调出自己想要的颜色
palette：控制色调
sns.pairplot(data,hue="种类",palette="husl")
markers：控制散点的样式
sns.pairplot(data,hue="种类",markers=["+", "s", "D"])
当我们想单独研究某两个（或多个）变量的关系时，我们只需要通过 vars参数指定你想研究的变量
vars,x_vars,y_vars：选择数据中的特定字段，以list形式传入
#单独用vars参数选择"萼片长 "和"花瓣长"两种属性
sns.pairplot(data,vars=["萼片长","花瓣长"])
# 用x_vars和 y_vars参数指定
# 需要注意的是，x_vars和y_vars要同时指定
sns.pairplot(data,x_vars=["萼片长","花瓣宽"],
y_vars=["萼片宽","花瓣长"])
更多的样式可以通过plot_kws和diag_kws来进行控制
plot_kws：用于控制非对角线上的图的样式
diag_kws：用于控制对角线上图的样式
sns.pairplot(data,diag_kind="kde",
plot_kws=dict(s=50,edgecolor="w",color="g",alpha=.5),
diag_kws=dict(shade=True,color="r"))
▼点击成为社区注册会员 喜欢文章，点个在看
相关知识
基于Python的数据可视化：从一维到多维
Python可视化实战：使用Matplotlib创建精美图表
python 可视化包 Bokeh
如何用python代码做可视化 – PingCode
Python 教程：浏览并可视化数据
其实特简单，手把手教你用 Python 绘制精美交互式可视化图表
python鲜花水果电商销售数据可视化和商品推荐系统设计与实现（django框架）
【创新课题】火龙果种植户种植决策系统：基于python爬虫火龙果电商销售数据可视化分析
基于Python实现交互式数据可视化的工具(用于Web)
西瓜植户种植决策系统：基于python爬虫苹果电商销售数据可视化分析（django框架）
网址: Python可视化：5分钟入门 pairplot https://m.huajiangbk.com/newsview1950391.html
| 上一篇: 榆树的花语与传说（探寻榆树之美） |
下一篇: 有6种花，白送也别要，马上过年了 |
