Seaborn Pair Grid

PairGrid允许我们使用相同的绘图类型绘制一个子图的网格，以实现数据的可视化。

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

pairgrid的用法与facetgrid相似。首先初始化网格，然后传递绘图函数。

例子

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，以显示每一列中变量的单变量分布。

例子

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

我们可以用另一个分类变量来定制这些图的颜色。例如，鸢尾花数据集有三个不同种类的鸢尾花的四个测量值，所以你可以看到它们的不同。

例子

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

我们可以在上部和下部的三角形中使用不同的函数，以看到不同方面的关系。

例子

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