Seaborn - 对网格

• 

  简述

  PairGrid 允许我们使用相同的绘图类型绘制子图网格以可视化数据。

  与 FacetGrid 不同，它为每个子图使用不同的变量对。它形成了一个子图矩阵。它有时也被称为“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。
• 

  例子

  
  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列中变量的单变量分布。
• 

  例子

  
  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自定义这些图的颜色。例如，鸢尾花数据集对三种不同种类的鸢尾花中的每一种都有四个测量值，因此您可以看到它们的不同之处。
• 

  例子

  
  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

  

  我们可以在上下三角形中使用不同的函数来查看关系的不同方面。
• 

  例子

  
  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