資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究資料科學中的Pairplot是什麼？
資料的視覺化表示稱為資料視覺化。由於 Python 包中專注於資料的出色生態系統，因此它對於資料分析至關重要。以簡單易懂的方式總結和呈現大量資料也有助於理解資料，無論資料多麼複雜，以及資料的價值。它還有助於有效且清晰地傳遞資訊。
我們可以使用 Seaborn Pairplot 視覺化資料集中變數之間的成對關係。將大量資料濃縮成一個圖形，使資料具有良好的視覺表示並有助於我們理解資料。當我們探索並熟悉我們的資料集時，這一點至關重要。
在執行探索性資料分析 (EDA) 時，pairplot 視覺化很有用。pairplot 使用提供的變數（變數可以是連續的或分類的）顯示它們之間的關係。
繪製資料集中成對的關係。
seaborn 庫的 Pairplot 模組提供了一個高階介面，用於建立視覺上吸引人和教育性的統計視覺化。
匯入庫和資料
第一步是匯入我們將使用的庫。在本例中，我們的資料視覺化框架將是 Seaborn，我們將使用 pandas 程式語言匯入並儲存我們的資料。
import seaborn as sns import pandas as pd
Seaborn Pairplot 函式的語法
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 函式的引數
data − 根據將顯示的視覺化，data 引數接受資料。DataFrame、陣列或陣列列表可以表示值。
hue_order, order − hue order 或 order 引數確定繪圖中使用的分類變數的順序。字串列表可以作為此引數的值使用。
scale − scale 選項使用比例縮放繪圖。此屬性的有用值為 area、count 和 width。
scale_hue − scale hue 選項接受一個布林值，以指定比例是否在繪圖上的所有小提琴中近似（對於 FALSE）或在主要分組變數的每個級別內（對於 TRUE）。
gridsize − gridsize 引數使用整數計算繪圖的核密度。
inner − inner 選項允許使用者指定小提琴圖的內部點。此引數的選項為 box、point、quartile、stick 或 None。
orient − 使用者可以使用 orient 選項選擇繪圖的方向。垂直或水平方向分別用字母“v”和“h”表示。
linewidth − linewidth 引數透過取浮點整數作為其值來確定繪圖中使用的灰色線的寬度。
color − 使用者可以使用 color 引數設定每個繪圖資料項的顏色範圍。此引數的值可以是 matplotlib 顏色。
palette − palette 引數用於指定將用於繪圖每個級別的各種顏色陰影。
axe − axe 選項指定將構建繪圖的軸。此引數的值可以是 matplotlib Axes。
示例 1
# importing the required libraries
import seaborn as sbn
import matplotlib.pyplot as plt
# loading the dataset using the seaborn library
mydata = sbn.load_dataset('penguins')
# pairplot with the hue = gender parameter
sbn.pairplot(mydata, hue = 'gender')
# displaying the plot
plt.show()
輸出
程式碼說明
在上面的示例中，我們匯入了必要的庫並使用了 Seaborn load dataset() 方法載入企鵝資料集以進行處理。然後使用 pairplot() 方法顯示繪圖，並將 hue 引數設定為“gender”值。最後，我們使用 Matplotlib show() 方法向檢視者顯示了繪圖。因此成功建立了配對圖。
示例 2
# importing the required libraries
import seaborn as sbn
import matplotlib.pyplot as plt
# loading the dataset using the seaborn library
mydata = sbn.load_dataset('tips')
# pairplot with the kind = kde parameter
sbn.pairplot(mydata, kind = 'kde')
# displaying the plot
plt.show()
輸出
程式碼說明
在上面的示例中，我們匯入了必要的庫並使用了 Seaborn load dataset() 方法載入企鵝資料集以進行處理。然後使用 pairplot() 方法顯示繪圖，並將 hue 引數設定為“gender”值。最後，我們使用 Matplotlib show() 方法向檢視者顯示了繪圖。因此成功建立了配對圖。
結論
Seaborn Pairplot 是一個用於資料視覺化的出色工具，有助於我們熟悉我們的資料。在一個圖形上，我們可以繪製大量資料，以便我們可以理解它並獲得新的想法。一個肯定要包含在您的資料科學工具箱中的繪圖。pair plot 是一個強大的工具，可以快速檢查資料集中的分佈和關係。透過 Pair Grid 類，Seaborn 提供了一種簡單易用的預設方法來建立 pair plot，這些 plot 可以修改和擴充套件。資料分析專案中的很大一部分價值通常來自資料的簡單顯示，而不是花哨的機器學習。pair plot 是進行資料分析時一個極好的起點，因為它為我們提供了對資料的全面初始檢視。
528 次檢視
