多个 Seaborn 图

Manav Narula 2023年1月30日 2021年7月16日
  1. 使用 seaborn.FacetGrid() 绘制多个 Seaborn 图
  2. 使用 seaborn.PairGrid() 绘制多个 Seaborn 图
  3. 在 Python 中使用 seaborn.pairplot() 绘制多个 Seaborn 图
多个 Seaborn 图

在本教程中,我们将讨论如何在 seaborn 模块中绘制多个图形。

使用 seaborn.FacetGrid() 绘制多个 Seaborn 图

FacetGrid() 类用于可视化数据分布与其他数据子集之间的关系,并可用于为多个图创建网格。

下面的代码展示了如何使用这个函数。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Price": [7,1,5,6,3,10,5,8],
                "Product" : [1,1,1,1,2,2,2,2],
                      "Day":[1,2,3,4,5,6,7,8]})

g = sns.FacetGrid(df, col = "Product")
g.map(sns.lineplot, "Day", "Price" )

Seaborn 多个子图与 seaborn.FacetGrid() 函数

在为多个图定制网格后,我们在数据之间绘制了 lineplot()。应该注意的是,像 relplot()lmplot()catplot() 这样的不同 seaborn 图默认使用这个对象。

使用 seaborn.PairGrid() 绘制多个 Seaborn 图

此函数与 FacetGrid() 类非常相似。它需要一个 DataFrame 并将每一列绘制到网格的列和行,绘制多个轴。我们可以在这里使用 hue 参数来处理分类数据,每种颜色代表不同的类别。

下面的例子将解释它的使用。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Price": [7,1,5,6,3,10,5,8],
                "Product" : [1,1,1,1,2,2,2,2],
                      "Day":[1,2,3,4,5,6,7,8]})

g = sns.PairGrid(df, hue = "Product")
g.map(sns.scatterplot)

Seaborn 多个子图与 seaborn.PairGrid() 函数

在上面的代码中,我们使用 DataFrame 并绘制变量之间的 scatterplot()

在 Python 中使用 seaborn.pairplot() 绘制多个 Seaborn 图

它用于绘制数据集列之间的成对分布。它还在两个轴上绘制 DataFrame 的所有列,这些列显示了显示不同类型图形的图矩阵,类似于 PairGrid() 类。此处显示了不同类型的图。

例如,

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.DataFrame({"Price": [7,1,5,6,3,10,5,8],
                "Product" : [1,1,1,1,2,2,2,2],
                      "Day":[1,2,3,4,5,6,7,8]})

g = sns.pairplot(df, hue = "Product")

plt.show()

Seaborn 多个子图与 seaborn.pairplot() 函数

Author: Manav Narula
Manav Narula avatar Manav Narula avatar

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