python散点图矩阵_可视化 | 让矩阵在散点图中动起来

选自TowardsDataScience

作者：William Koehrsen

编译：机器之心(almosthuman2014)

原文：https://towardsdatascience.com/visualizing-data-with-pair-plots-in-python-f228cf529166

本文，我们将介绍如何使用 Seaborn 可视化库(https://seaborn.pydata.org/)在 Python 中启动和运行散点图矩阵。我们将看到如何为快速检查数据而创建默认散点图矩阵，以及如何为了更深入的分析定制可视化方案。

代码地址(点击阅读原文即可访问)：https://github.com/WillKoehrsen/Data-Analysis/blob/master/pairplots/Pair%20Plots.ipynb

我们将探索一个现实世界数据集，它由国家级的社会经济数据组成，这些数据都是 Gapminder 收集的。

Seaborn 中的散点图矩阵

我们需要先了解一下数据，以便开始后续的进展。我们可以 pandas 数据帧的形式加载这些社会经济数据，然后我们会看到下面这些列：

每一行代表一个国家一年的观察数据，列代表变量(这种格式的数据被称作整洁数据，tidy data)，其中有两个类别列(国家和洲)和四个数值列。这些列简单易懂：life_exp 是出生时的预期寿命，以年为单位，popis 是人口数量，gdp_per_cap 是人均 GDP(以国际元)为单位。

seaborn 中的默认散点图矩阵仅仅画出数值列，尽管我们随后也会使用类别变量来着色。创建默认的散点图矩阵很简单：我们加载 seaborn 库，然后调用 pairplot 函数，向它传递我们的数据帧即可：

# Seaborn visualization library
import seaborn as sns
# Create the default pairplot
sns.pairplot(df)