Seaborn — Визуализация парных отношений

Наборы данных при изучении в реальном времени содержат много переменных. В таких случаях следует анализировать отношение между каждой и каждой переменной. Построение двумерного распределения для (n, 2) комбинаций будет очень сложным и длительным процессом.

Чтобы построить несколько попарно двумерных распределений в наборе данных, вы можете использовать функцию pairplot () . Это показывает отношение для (n, 2) комбинации переменной в DataFrame в виде матрицы графиков, а диагональные графики являются одномерными графиками.

Топоры

В этом разделе мы узнаем, что такое оси, их использование, параметры и так далее.

использование

seaborn.pairplot(data,…)

параметры

В следующей таблице перечислены параметры для осей —

данные

Dataframe

цвет

Переменная в данных для отображения аспектов графика на разные цвета.

палитра

Набор цветов для отображения переменной оттенка

Добрый

Вид сюжета для неидентификационных отношений. {‘scatter’, ‘reg’}

diag_kind

Вид сюжета для диагональных сюжетов. {‘hist’, ‘kde’}

За исключением данных, все остальные параметры являются необязательными. Есть несколько других параметров, которые может принять пара . Вышеупомянутые часто используемые параметры.

пример

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
sb.set_style("ticks")
sb.pairplot(df,hue = 'species',diag_kind = "kde",kind = "scatter",palette = "husl")
plt.show()

Выход

Мы можем наблюдать изменения в каждом сюжете. Графики представлены в матричном формате, где имя строки представляет ось x, а имя столбца представляет ось y.

Диагональные графики представляют собой графики плотности ядра, где другие графики представляют собой графики рассеяния, как упоминалось.