【Seaborn】sns.pairplot() 函数：多变量关系可视化

sns.pairplot() —— 多变量关系可视化（Pair Plot）

seaborn.pairplot() 用于 同时可视化多个变量的两两关系，适用于 探索数据集的整体结构和变量间关系，常用于 EDA（探索性数据分析）。

---

1. 语法

import seaborn as sns

sns.pairplot(data=None, hue=None, kind="scatter", diag_kind="hist", markers=None, palette=None)

主要参数

参数	作用
data	DataFrame 数据集
hue	按类别分色
kind	散点图（"scatter"）或回归（"reg"）
diag_kind	对角线图类型（"hist" 直方图，"kde" 核密度）
markers	不同类别点的形状
palette	颜色方案

---

2. 基本示例

2.1 绘制默认 pairplot()

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据
data = sns.load_dataset("penguins")

# 画成对关系图
sns.pairplot(data=data)

plt.show()

📌 作用

• 显示所有数值变量的两两关系（散点图）。
• 对角线部分 显示变量自身分布（默认 diag_kind="hist"）。
  

---

2.2 按类别分色（hue 参数）

sns.pairplot(data=data, hue="species")

plt.show()

📌 作用

• hue="species" → 不同物种用不同颜色表示。
  

---

2.3 使用回归（kind="reg"）

sns.pairplot(data=data, hue="species", kind="reg")

plt.show()

📌 作用

• kind="reg" 在散点图中加入回归线。
  

---

2.4 对角线显示 KDE（diag_kind="kde"）

sns.pairplot(data=data, hue="species", diag_kind="kde")

plt.show()

📌 作用

• diag_kind="kde" 对角线使用核密度估计（KDE）。
  

---

3. 进阶用法

3.1 调整点的形状（markers 参数）

sns.pairplot(data=data, hue="species", markers=["o", "s", "D"])

plt.show()

📌 作用

• markers=["o", "s", "D"] → 不同类别用不同形状表示。
  

---

3.2 自定义颜色（palette 参数）

sns.pairplot(data=data, hue="species", palette="coolwarm")

plt.show()

📌 作用

• palette="coolwarm" 改变颜色风格。
  

---

4. sns.pairplot() vs sns.jointplot()

	sns.pairplot()	sns.jointplot()
作用	多个变量的两两关系	两个变量的关系
支持 hue 分类	✅	✅
适用于	多变量探索	单变量对分析

---

5. 总结

✅ sns.pairplot() 适用于查看多个变量的分布和相互关系。
✅ 常见参数

• hue 按类别分色，diag_kind="kde" 对角线 KDE，kind="reg" 回归散点图。
• palette="coolwarm" 调整颜色，markers 设置点的形状。