Seaborn PairGrid

PairGrid允许我们使用相同的绘图类型绘制一个子图网格，来用于可视化数据。

与FacetGrid不同的是，它对每个子图使用不同的变量对。它形成一个子图矩阵。有时也称为“散点图矩阵”。

PairGrid的用法与FacetGrid类似。首先初始化网格，然后传递绘图函数。

示例

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，以显示每一列变量的单变量分布。

示例

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

我们可以使用另一个分类变量来自定义这些图的颜色。例如，鸢尾花数据集中有三种不同物种的鸢尾花，每种鸢尾花有四个测量值，因此您可以看到它们之间的差异。

示例

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

我们可以在上半三角区和下半三角区使用不同的函数来观察关系的不同方面。

示例

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