极客教程Seaborn 多维绘图网格简介
在本文中，我们将研究多维绘图数据。在各个数据集子集上多次绘制相同的绘图是一种有价值的策略。它使浏览者能够快速从复杂的数据集中提取大量数据。我们将使用两种不同的方法在Seaborn中绘制多个图形。第一种方法是使用Facetgrid()方法，第二种方法是隐式使用Matplotlib。
Seaborn中有不同的多绘图网格可用，并列举如下：
| 序号 | 名称和描述 |
|---|---|
| 1 | FacetGrid() FacetGrid类在您希望在数据集的子集中分别可视化变量的分布或多个变量之间的关系时非常有用。 |
| 2 | Pairplot() 用于绘制数据集中的成对关系。 |
| 3 | PairGrid() 用于在数据集中绘制成对关系的子图网格。 |
| 4 | Jointplot() 用于绘制具有双变量和单变量图形的两个变量的图形。 |
| 5 | JointGrid() 用作网格，用于绘制具有边际单变量图的双变量图。 |
在开始了解这些图的工作原理之前，我们将学习如何从seaborn库中加载内置的数据集，因为我们将使用这些数据集来学习这些功能。
除了作为一个统计图表工具包之外，Seaborn还包含各种默认数据集。我们将使用其中一个内置数据集作为默认数据集的示例。
让我们在第一个示例中考虑tips数据集。’tips’数据集包括关于在餐厅就餐的人们是否给服务员留下小费以及他们的性别、吸烟状况和其他因素的信息。
Seaborn.get_dataset_names()方法可帮助检索所有内置数据集的名称。
seaborn.get_dataset_names()
load_dataset()方法可以将名称为的数据集加载到数据结构中。
Tips=seaborn.load_dataset('tips')
上述代码行帮助将名为’tips’的数据集加载到一个名为’tips’的数据结构中。
既然我们知道了从哪里加载数据集，我们可以开始理解seaborn中多图网格的工作原理。