Seaborn - PairGrid 网格

PairGrid 允许我们使用相同的绘图类型绘制子图网格以可视化数据。

与 FacetGrid 不同，它为每个子图使用不同的变量对。 它形成了一个子图矩阵。 它有时也被称为"散点图矩阵"。

pairgrid的用法与facetgrid类似。 首先初始化网格，然后传递绘图功能。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map(plt.scatter);
plt.show()

也可以在对角线上绘制不同的函数，以显示每列中变量的单变量分布。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

输出

我们可以使用另一个分类变量自定义这些图的颜色。 例如，iris (鸢尾花)数据集对三种不同种类的鸢尾花分别进行了四次测量，因此您可以了解它们之间的差异。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

输出

我们可以在上下三角形中使用不同的函数来查看关系的不同方面。

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_upper(plt.scatter)
g.map_lower(sb.kdeplot, cmap = "Blues_d")
g.map_diag(sb.kdeplot, lw = 3, legend = False);
plt.show()

输出