python seaborn 散点图矩阵_Python-科学计算-seaborn-01-矩阵图

系统：Windows 7

语言版本：Anaconda3-4.3.0.1-Windows-x86_64

编辑器：pycharm-community-2016.3.2这个系列讲讲Python的科学计算版块

今天讲讲seaborn模块：做几个点的矩阵图

Part 1：示例已知df_1，有4列["p1", "p2", "p3", "from"]

做出P1、P2、P3三列的相关性图，其实就是两两的散点图，效果如下图

映射实例：有4种样本，每种样本采集5个，合计20个样本。每个样本检测其中3个控制点的数据，对这些数据进行可视化显示，合计数据量20*3=60个

矩阵图

Part 2：代码import pandas as pdimport seaborn as snsfrom matplotlib import pyplot as plt

dict_1 = { "p1": [0.5, 0.8, 1.0, 1.2, 1.5, 2.5, 0.9, 0.6, 1.3, 1.0, 1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 2.2, 1.2, 1.5, 0.5], "p2": [1.3, 2.8, 1.3, 1.4, 6.5, 2.5, 0.9, 0.6, 1.3, 1.0, 1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 1.2, 1.2, 3.5, 2.5], "p3": [2.5, 0.8, 1.3, 1.2, 1.5, 2.8, 1.9, 0.6, 1.3, 1.1, 1.3, 1.6, 1.1, 2.5, 4.2, 3.9, 2.2, 1.2, 1.5, 0.5], "from": ["sample1", "sample1", "sample1", "sample1", "sample1", "sample2", "sample2", "sample2", "sample2", "sample2", "sample3", "sample3", "sample3", "sample3", "sample3", "sample4", "sample4", "sample4", "sample4", "sample4"]}

df_1 = pd.DataFrame(dict_1, columns=["p1", "p2", "p3", "from"])

print(df_1)

sns.set(style="ticks", color_codes=True)

g = sns.pairplot(df_1, hue="from", # 设置颜色列 palette="Set1", # 调色板：husl / Set1 markers=["o", "s", "D", "^"], # 设置标记marker形状 vars=["p1", "p2", "p3"])leg = g._legendleg.set_bbox_to_anchor([0.5, 0, 0.5, 0.5])

plt.show()

代码截图

df_1

Part 3：部分代码解读g = sns.pairplot(df_1, hue="from", # 设置颜色列 palette="Set1", # 调色板：husl / Set1 markers=["o", "s", "D", "^"], # 设置标记marker形状 vars=["p1", "p2", "p3"])df_1数据源

hue设置已哪一列作为颜色的分类

palette设置颜色板，可以有多种不同的风格，如设置为 husl,效果如下图

markers设置每个数据的标记形状

vars设置参与显示的列，如果更改为vars=["p1", "p2"]，效果如下图

关于图例显示这块，以后再介绍leg = g._legend，还需要琢磨一下，哈哈

husl效果图

vars=[“p1”, “p2”]本文为原创作品