Python可视化：5分钟入门 pairplot - 文章 - 开发者社区

picture.image

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 ·

pairplot

pairplot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。

picture.image

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。

picture.image

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`

picture.image

先来直观看看pairplot长什么样


          
sns.pairplot(data)

picture.image

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")

picture.image

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")

picture.image

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")

picture.image

markers ：控制散点的样式


          
sns.pairplot(data,hue="种类",markers=["+", "s", "D"])

picture.image

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"])

picture.image


          
# 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"])

picture.image

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"))

picture.image

picture.image ▼点击成为社区注册会员** 喜欢文章，点个** 在看