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  ·

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。

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