在 Python 中對 Seaborn 進行配對
在 Python 中，我們使用 seaborn 模組建立不同型別的圖形和繪圖來視覺化資料集。不同的函式建立不同型別的圖。有時單個圖可能不足以視覺化資料集，我們可能需要同時繪製多個圖。pairplot() 函式可以幫助解決這個問題。
本教程將介紹如何在 Python 中使用 seaborn 模組的 pairplot() 函式。
它基於 seaborn 中的 PairGrid 類並返回其型別的物件。它還在兩個軸上繪製資料的所有數字列，顯示不同圖的矩陣。它生成一個最終圖形，在對角線上有一個統一的圖形，在上下三角形上有一個不同的圖。
如果需要，我們可以使用 x_vars、y_vars 或 pairplot() 函式中的 vars 引數指定要繪製的所需變數。
例如，
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Quantity": [5,6,7,8,5,6,7,8,5,6,7,8,5,6,7,8],
"Price": [9,10,15,16,13,14,15,18,11,12,14,15,16,17,18,19],
"Day" : [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2],
"Product": ['A','A','A','A','B','B','B','B',
'A','A','A','A','B','B','B','B']})
sns.pairplot(df)
在上面的程式碼中，我們建立了一個 pairplot() 函式的簡單示例。請注意繪製在對角線上的不同圖形。
我們可以使用一些方法和引數來調整最終結果。hue 引數可用於繪製不同顏色的不同類別。palette 引數可以定義用於此的顏色。為所有圖形新增了一個通用圖例。我們可以在上面的例子中新增這個來區分這兩種產品。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Quantity": [5,6,7,8,5,6,7,8,5,6,7,8,5,6,7,8],
"Price": [9,10,15,16,13,14,15,18,11,12,14,15,16,17,18,19],
"Day" : [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2],
"Product": ['A','A','A','A','B','B','B','B',
'A','A','A','A','B','B','B','B']})
sns.pairplot(df, hue = 'Product',palette = "husl")
我們還可以控制在上下或三角形和對角線上繪製的圖形型別。diag_kind 引數用於指定對角線的圖，其餘的 kind 引數用於指定圖。它們的值可以是 reg、scatter、kde、hist 或其他一些圖。
例如，
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Quantity": [5,6,7,8,5,6,7,8,5,6,7,8,5,6,7,8],
"Price": [9,10,15,16,13,14,15,18,11,12,14,15,16,17,18,19],
"Day" : [1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2],
"Product": ['A','A','A','A','B','B','B','B',
'A','A','A','A','B','B','B','B']})
sns.pairplot(df, hue = "Product", diag_kind = 'hist', kind = 'scatter')
為了自定義對角線上的各個圖，我們使用 plot_kws 和 diag_kws 引數。我們將所需的自定義作為字典鍵值對傳遞。我們也可以使用 height 引數更改單個圖的高度。
此外，請記住它返回 PairGrid 類的物件，以使用該類中的方法自定義最終圖形。
Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.
LinkedIn