数据科学中的Pairplot是什么？

数据可视化是数据的视觉展示。由于Python包在数据处理方面的生态系统非常完善，它对于数据分析至关重要。简单明了地总结和展示大量数据，有助于理解数据，无论数据的复杂性如何，也有助于理解数据的价值。它还有助于信息的有效和清晰传递。

我们可以使用Seaborn Pairplot可视化数据集中变量之间的成对关系。将大量数据压缩到单个图形中，以使数据以美观的可视方式呈现，并有助于我们理解数据。这对于探索和熟悉我们的数据集非常重要。

在进行探索性数据分析（EDA）时，Pairplot可视化大有用处。使用Pairplot可以展示连续或分类变量之间的关系。

在数据集中绘制成对的关系图。

Seaborn库中的Pairplot模块提供了一个高级界面，用于创建美观和有教育意义的统计可视化图形。

更多Python相关文章，请阅读：Python 教程

导入库和数据

导入要使用的库是第一步。在这种情况下，我们的数据可视化框架将是Seaborn，我们将使用pandas编程语言导入和保存我们的数据。

import seaborn as sns
import pandas as pd

Seaborn Pairplot函数的语法

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
)

Pairplot函数的参数

data − 根据所显示的可视化效果，data参数可以接受数据。DataFrame、Array或List of Arrays均可表示这些值。
hue_order、order − 绘图中使用的分类变量的顺序由hue_order或order参数决定。该参数的值可以使用字符串列表。
scale − 使用scale选项进行缩放绘图。此属性的有用值包括面积、计数和宽度。
scale_hue − scale_hue选项接受布尔值，以指定是否在图中所有小提琴上近似比例（FALSE），而在主要分组变量的每个级别中进行比例（TRUE）。
gridsize − gridsize参数使用整数计算图的核密度。
inner − inner选项允许用户指定小提琴图的内部点。此参数的选项为box、point、quartile、stick或None。
orient − 用户可以使用orient选项选择绘图的方向。字母“v”和“h”分别表示垂直或水平方向。
linewidth − linewidth参数通过获取浮点整数作为其值，确定绘图中使用的灰线的宽度。
color − 用户可以使用color参数为每个绘图的数据项设置颜色范围。此参数的值可以是matplotlib颜色。
palette − palette参数用于指定要用于绘图每个级别的不同颜色的阴影。
axe − axe选项指定要构建绘图的轴。此参数的值可以是matplotlib Axes。

示例1

# 导入必要的库  
import seaborn as sbn  
import matplotlib.pyplot as plt  
# 使用seaborn库加载数据集  
mydata = sbn.load_dataset('penguins')  
# 将hue参数设置为gender进行pairplot  
sbn.pairplot(mydata, hue = 'gender')  
# 显示绘图  
plt.show()

输出

数据科学中的Pairplot是什么？

代码说明

在上面的示例中，我们导入了必要的库，并使用Seaborn load_dataset()方法加载企鹅数据集进行操作。然后使用pairplot()方法显示绘图，并将hue参数设置为“gender”。最后，我们使用Matplotlib show()方法向观众显示绘图。此次成功创建了pair plot。

示例2

# 导入必要的库  
import seaborn as sbn  
import matplotlib.pyplot as plt  
# 使用seaborn库加载数据集  
mydata = sbn.load_dataset('tips')  
# 使用kind = kde参数进行pairplot  
sbn.pairplot(mydata, kind = 'kde')  
# 显示绘图  
plt.show()

输出

数据科学中的Pairplot是什么？

代码说明

在上面的示例中，我们导入了必要的库并使用Seaborn load_dataset()方法加载小费数据集进行操作。然后使用pairplot()方法显示绘图，并使用kind参数设置为“kde”。最后，我们使用Matplotlib show()方法向观众显示绘图。此次成功创建了pair plot。

结论

Seaborn Pairplot是一种出色的数据可视化工具，有助于熟悉我们的数据。在一个图上，我们可以绘制大量的数据，以便我们可以掌握它并获得新的想法。这是数据科学工具包中必备的绘图工具。Pairplot是一种强大的工具，可以快速检查数据集中的分布和关系。通过Pair Grid类，Seaborn提供了一个简单的默认方法来创建可以修改和扩展的Pairplot。在数据分析项目中，通常有很大一部分价值是来自数据的简单展示，而不是华丽的机器学习算法。当进行数据分析时，Pairplot是一个非常好的起点，因为它给我们一个全面的数据初步视图。