Seaborn.pairplot() 方法

Seaborn.pairplot() 方法用于绘制数据集中的成对关系。根据此函数创建的轴网格，数据中的每个数值变量将默认分布在单行的 y 轴和单列的 x 轴上。

创建单变量分布图以显示对角线图每列中数据的边际分布，对角线图的处理方式不同。

此外，您可以仅显示部分数据或在不同的行和列中绘制其他变量。这个高级 PairGrid 界面旨在简化创建一些流行样式的过程。

语法

以下是 seaborn.pairplot() 方法的语法 −

seaborn.pairplot(data, *, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, corner=False, dropna=False, plot_kws=None, diag_kws=None, grid_kws=None, size=None)

参数

下面讨论了 pairplot() 方法的一些参数。

S.No	名称和描述
1	Data 采用数据框，其中每一列都是一个变量，每一行都是一个观察值。
2	hue 指定将显示在特定网格面上的数据部分的变量。要调节此变量的级别顺序，请参阅 var order 参数。
3	Kind 从{'scatter', 'kde', 'hist', 'reg'}中获取值，然后确定要绘制的图的类型。
4	Diag_kind 从{'auto', 'hist', 'kde', None} 获取值，如果使用的话，确定对角线子图的类型。如果是"auto"，则根据是否使用色调进行选择。
5	Height 采用标量值并确定刻面的高度。
6	Aspect 获取每个刻面的标量值和纵横比，因此纵横比 * 高度给出每个刻面的宽度（以英寸为单位）。
7	corner 采用布尔值，如果为 True，则不要将坐标轴添加到网格的上（非对角线）三角形，使其成为"角"图。
8	hue_order 将列表作为输入，分面变量级别的顺序由此顺序确定。

让我们在继续开发绘图之前加载 seaborn 库和数据集。

载入seaborn 库

要加载或导入 seaborn 库，可以使用以下代码行。

Import seaborn as sns

加载数据集

在本文中，我们将使用 seaborn 库中内置的练习数据集。以下命令用于加载数据集。

exercise =sns.load_dataset("exercise")

下面提到的命令用于查看数据集中的前 5 行。这使我们能够了解哪些变量可用于绘制图形。

exercise.head()

以下是上面这段代码的输出。

index,Unnamed: 0,id,diet,pulse,time,kind
0,0,1,low fat,85,1 min,rest
1,1,1,low fat,85,15 min,rest
2,2,1,low fat,88,30 min,rest
3,3,2,low fat,90,1 min,rest
4,4,2,low fat,92,15 min,rest

现在我们已经加载了数据集，我们将探索几个示例。

示例 1

我们将首先调用 pairplot() 方法并将数据帧传递给它。这将产生多个图，如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
sns.pairplot(exercise)
plt.show()

输出

示例 2

在此示例中，我们将传递更多参数以及 dataframe 给 pairplto() 方法。由于我们使用的是 exercise 数据集，因此我们将使用 diet 分类列并将其传递给色调数据集，我们将绘制本质上是直方图的图形，这就是为什么 diag_kind 参数传递 hist 值的原因。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
sns.pairplot(exercise, hue="diet", diag_kind="hist")
plt.show()

输出

获得的输出如下所示，

示例 3

我们将在这个例子中了解 map_lower() 函数的用法。我们将 pairplot 保存到变量 g 中，然后将 map_lower 函数 id 应用于它。所以基本上，对于存在的每个唯一色调值，将运行提供给 map.lower 的函数（对于每个变量）。当没有给出色调时，该函数将只对所有相关数据（对于每个变量）运行一次。

import seaborn as sns
import matplotlib.pyplot as plt
exercise =sns.load_dataset("exercise")
exercise.head()
g = sns.pairplot(exercise, diag_kind="kde")
g.map_lower(sns.kdeplot, levels=4, color=".8")
plt.show()