Seaborn.PairGrid 類

Seaborn.PairGrid 用於繪製資料集中的成對關係的子圖網格。此物件建立一個由許多座標軸組成的網格，其中資料集中的每個變數都對應一列和一行。

可以使用各種軸級圖表工具在上下三角形中繪製雙變數圖，對角線可以顯示每個變數的邊緣分佈。使用 pairplot，可以在一行程式碼中生成許多常見的圖。當需要更大的靈活性時，可以使用 PairGrid。

語法

以下是 seaborn.PairGrid 的語法：

class seaborn.PairGrid(**kwargs)

引數

下面討論 seaborn.PairGrid 的一些引數。

序號	名稱和描述
1	資料接收資料框，其中每一列是一個變數，每一行是一個觀測值。
2	色調 (hue) 指定將在特定網格面上顯示的資料部分的變數。要控制此變數的級別順序，請參考 var order 引數。
3	型別 (kind) 接收來自 {‘scatter’, ‘kde’, ‘hist’, ‘reg’} 的值，並據此確定要繪製的圖的型別。
4	對角線型別 (diag_kind) 接收來自 {‘auto’, ‘hist’, ‘kde’, None} 的值，如果使用，則確定對角線子圖的圖型別。如果為 ‘auto’，則根據是否使用色調 (hue) 來選擇。
5	高度 (height) 接收標量值，並確定面的高度。
6	縱橫比 (aspect) 接收標量值，每個面的縱橫比，以便 aspect * height 給出每個面以英寸為單位的寬度。
7	角 (corner) 接收布林值，如果為 True，則不向網格的上（非對角線）三角形新增座標軸，使其成為“角”圖。
8	色調順序 (hue_order) 接收列表作為輸入，並由此順序確定分面變數的級別順序。

載入 seaborn 庫

在繼續繪製圖表之前，讓我們載入 seaborn 庫和資料集。可以使用以下程式碼行載入或匯入 seaborn 庫。

Import seaborn as sns

載入資料集

在本文中，我們將使用 seaborn 庫中內建的 exercise 資料集。使用以下命令載入資料集。

exercise=sns.load_dataset("exercise")

以下命令用於檢視資料集中前 5 行。這使我們能夠了解可以使用哪些變數來繪製圖形。

exercise.head()

以下是上述程式碼的輸出。

index,Unnamed: 0,id,diet,pulse,time,kind
0,0,1,low fat,85,1 min,rest
1,1,1,low fat,85,15 min,rest
2,2,1,low fat,88,30 min,rest
3,3,2,low fat,90,1 min,rest
4,4,2,low fat,92,15 min,rest

現在我們已經載入了資料集，我們將探索一些示例。

示例 1

我們將首先呼叫 PairGrid 並將資料框傳遞給它。這將產生多個圖，如下所示。

import seaborn as sns
import matplotlib.pyplot as plt
exercise=sns.load_dataset("exercise")
exercise.head()
g = sns.PairGrid(exercise)
plt.show()

輸出

獲得的圖如下所示：

示例 2

在這個例子中，我們將與資料框一起將一些引數傳遞給 PairGrid。我們使用 exercise 資料集，並將繪製本質上是散點圖的圖形。

import seaborn as sns
import matplotlib.pyplot as plt
exercise=sns.load_dataset("exercise")
exercise.head()
g = sns.PairGrid(exercise)
g.map(sns.scatterplot)
plt.show()

輸出

獲得的圖如下所示。

示例 3

在這個例子中，我們將繪製不同型別的圖在面板中。這可以透過 map_upper、map_lower 和 map_diag 函式來實現，這些函式用於初始化需要在網格中繪製的圖的型別。

例如，如果使用 map_upper 並將散點圖設定為型別，則網格上半部分的圖型別為散點圖，依此類推。在下面的示例中，上方的圖型別為散點圖，下方的圖型別為核密度估計 (KDE) 圖，其餘的是經驗累積分佈函式 (ecdf) 圖。

import seaborn as sns
import matplotlib.pyplot as plt
exercise=sns.load_dataset("exercise")
exercise.head()
g=sns.PairGrid(exercise)
g.map_upper(sns.scatterplot)
g.map_lower(sns.kdeplot)
g.map_diag(sns.ecdfplot)
plt.show()

輸出

獲得的輸出如下：

seaborn_multi_plot_grids_introduction.htm

列印頁面