Seaborn 多图网格 - 简介
我们将在这篇文章中查看多维绘图数据。 在不同的数据集子集上多次绘制相同的图是一种有价值的策略。 它使查看者能够从复杂的数据集中快速提取大量数据。 我们将以两种不同的方式在 Seaborn 中绘制大量图表。 第一个使用 Facetgrid() 方法，第二个隐式使用 Matplotlib。
seaborn 中有不同的多图网格可用，它们在下面列出。
| S.No | 名称和描述 |
|---|---|
| 1 | FacetGrid() 当您想要可视化数据集子集中变量的分布或多个变量之间的关系时，FacetGrid 类非常有用。 |
| 2 | Pairplot() 用于绘制数据集中的成对关系。 |
| 3 | PairGrid() 用于子图网格以绘制数据集中的成对关系。 |
| 4 | Jointplot() 用于绘制具有双变量和单变量图的两个变量的图。 |
| 5 | JointGrid() 用作绘制具有边缘单变量图的双变量图的网格 |
在继续了解这些图的工作原理之前，我们将了解如何从 seaborn 库加载内置数据集，因为我们将使用这些数据集来了解这些功能。
Seaborn 除了作为统计图表工具包之外，还包含各种默认数据集。 我们将使用其中一个内置数据集作为默认数据集的示例。
让我们考虑第一个示例中的提示数据集。 "tips"(小费)数据集包含有关可能在餐厅用餐的人的信息，他们是否给服务员小费，以及他们的性别、吸烟状况和其他因素。
Seaborn.get_dataset_names() 方法有助于检索内置数据集的所有名称。
seaborn.get_dataset_names()
load_dataset() 方法有助于将具有名称的数据集加载到数据结构中。
Tips=seaborn.load_dataset('tips')
上面的代码行有助于将名称为"tips"的数据集加载到名为 tips 的数据结构中。
现在我们知道从哪里加载数据集，我们可以继续了解 seaborn 中多绘图网格的工作原理。
