1. WIKI教程
2. 学习Seaborn
3. Seaborn - Pair Grid

Seaborn - Pair Grid

PairGrid允许我们使用相同的绘图类型绘制子图的网格以可视化数据。

与FacetGrid不同，它为每个子图使用不同的变量对。 它形成了子图的矩阵。 它有时也被称为“散点图矩阵”。

pairgrid的用法类似于facetgrid。 首先初始化网格，然后通过绘图功能。

例子 (Example)

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map(plt.scatter);
plt.show()

也可以在对角线上绘制不同的函数，以显示每列中变量的单变量分布。

例子 (Example)

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

输出 (Output)

我们可以使用另一个分类变量自定义这些图的颜色。 例如，虹膜数据集对三种不同种类的鸢尾花中的每一种都有四种测量值，因此您可以看到它们之间的差异。

例子 (Example)

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

输出 (Output)

我们可以在上三角和下三角中使用不同的函数来查看关系的不同方面。

例子 (Example)

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_upper(plt.scatter)
g.map_lower(sb.kdeplot, cmap = "Blues_d")
g.map_diag(sb.kdeplot, lw = 3, legend = False);
plt.show()

输出 (Output)