需求跟踪矩阵实例_如何利用seaborn进行矩阵散点图（Pairs Plots）的绘制？

点击上方蓝字 关注我们 如何快速创建强大的可视化探索性数据分析，这对于现在的商业社会来说，变得至关重要。今天我们就来，谈一谈如何使用 python 来进行数据的可视化！一旦你有了一个很好的被清理过的数据集，下一步就是探索性数据分析(EDA)。EDA是确定数据可以告诉我们的过程，我们使用EDA来查找模式、关系或异常情况，以便指导我们后续的工作。然而在EDA中有很多的方法，但最有效的工具之一是对图(也称为散点图矩阵)。散点图矩阵让我们看到了两个变量之间的关系。散点图矩阵是识别后续分析趋势的好方法，幸运的是，它们很容易用Python实现！在本文中，我们将通过使用seaborn可视化库在Python中进行对图的绘制和运行。我们将看到如何创建默认配对图以快速检查我们的数据，以及如何自定义可视化以获取更深入的洞察力。该项目的代码在GitHub上以Jupyter Notebook的形式提供。在这个项目中，我们将探索一个真实世界的数据集，由GapMinder收集的国家级社会经济数据组成。

Seaborn的散点图矩阵(Pairs Plots)

在开始之前，我们需要知道我们有什么数据。我们可以将社会经济数据用熊猫(Pandas)数据框加载并查看列：