如何使用Seaborn在Python中可视化包含多个变量的数据?

Seaborn是一个可视化数据的库。它提供了自定义的主题和高级接口。在实时情况下，数据集通常包含许多变量。有时，需要分析数据集中每个变量与其他每个变量之间的关系。在这种情况下，双变量分布可能会花费太多时间并变得复杂。

这就是多个成对双变量分布出现的地方。可以使用’pairplot’函数来获取数据框中变量组合之间的关系。输出将是一个单变量图。

pairplot函数的语法

seaborn.pairplot(data,...)

现在让我们了解如何将其绘制在图表上−

更多Python相关文章，请阅读：Python 教程

示例

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.set_style("ticks")
sb.pairplot(my_df,hue = 'species',diag_kind = "kde",kind = "scatter",palette = "husl")
plt.show()

输出

说明

• 导入所需包。
• 输入数据是从scikit learn库中加载的’iris_data’。
• 这些数据存储在数据框中。
• 使用’load_dataset’函数加载鸢尾花数据。
• 使用’pairplot’函数可视化这些数据。
• 在此，数据框作为参数提供。
• 在此，’kind’参数被指定为’kde’，以便该图知道要打印内核密度估计。
• 图的类型是散点图。
• 这些数据在控制台上显示。