Seaborn-05-Pairplot多變量圖

#-*- coding:utf-8 -*-
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='hist', markers=None, size=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None)?
數(shù)據(jù)指定:

vars : 與data使用柳骄,否則使用data的全部變量。參數(shù)類型:numeric類型的變量list。
{x, y}_vars : 與data使用,否則使用data的全部變量。參數(shù)類型:numeric類型的變量list。
dropna : 是否剔除缺失值。參數(shù)類型:boolean, optional

特殊參數(shù):

kind : {‘scatter’, ‘reg’}, optional Kind of plot for the non-identity relationships.
diag_kind : {‘hist’, ‘kde’}, optional橘原。Kind of plot for the diagonal subplots.

基本參數(shù):

size : 默認(rèn) 6,圖的尺度大形猩稀(正方形)趾断。參數(shù)類型:numeric
hue : 使用指定變量為分類變量畫圖。參數(shù)類型:string (變量名)
hue_order : list of strings Order for the levels of the hue variable in the palette
palette : 調(diào)色板顏色
markers : 使用不同的形狀吩愧。參數(shù)類型:list
aspect : scalar, optional芋酌。Aspect * size gives the width (in inches) of each facet.
{plot, diag, grid}_kws : 指定其他參數(shù)。參數(shù)類型:dicts

返回:

PairGrid 對象

1雁佳、散點(diǎn)圖

sns.set(style="ticks", color_codes=True)
iris = sns.load_dataset("iris")
g = sns.pairplot(iris)
05_01.png

2脐帝、指定分類變量的,散點(diǎn)圖

g2 = sns.pairplot(iris, hue="species")
05_05.png
使用調(diào)色板
g3 = sns.pairplot(iris, hue="species", palette="husl")
05_06.png
使用不同的形狀
g4 = sns.pairplot(iris, hue="species", markers=["o", "s", "D"])
05_07.png

3糖权、改變對角圖

使用 KDE
g5 = sns.pairplot(iris, diag_kind="kde")
05_03.png
使用回歸
g6 = sns.pairplot(iris, kind="reg")
05_04.png

4堵腹、改變點(diǎn)形狀,使用參數(shù)星澳,使用 edgecolor

g7 = sns.pairplot(iris, diag_kind="kde", markers="+",
                  plot_kws=dict(s=50, edgecolor="b", linewidth=1),
                  diag_kws=dict(shade=True))
05_02.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末疚顷,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子禁偎,更是在濱河造成了極大的恐慌腿堤,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,194評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件如暖,死亡現(xiàn)場離奇詭異笆檀,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)盒至,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,058評論 2 385
  • 文/潘曉璐 我一進(jìn)店門酗洒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人枷遂,你說我怎么就攤上這事樱衷。” “怎么了登淘?”我有些...
    開封第一講書人閱讀 156,780評論 0 346
  • 文/不壞的土叔 我叫張陵,是天一觀的道長封字。 經(jīng)常有香客問我黔州,道長耍鬓,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,388評論 1 283
  • 正文 為了忘掉前任流妻,我火速辦了婚禮牲蜀,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘绅这。我一直安慰自己涣达,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,430評論 5 384
  • 文/花漫 我一把揭開白布证薇。 她就那樣靜靜地躺著度苔,像睡著了一般。 火紅的嫁衣襯著肌膚如雪浑度。 梳的紋絲不亂的頭發(fā)上寇窑,一...
    開封第一講書人閱讀 49,764評論 1 290
  • 那天,我揣著相機(jī)與錄音箩张,去河邊找鬼甩骏。 笑死,一個(gè)胖子當(dāng)著我的面吹牛先慷,可吹牛的內(nèi)容都是我干的饮笛。 我是一名探鬼主播,決...
    沈念sama閱讀 38,907評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼论熙,長吁一口氣:“原來是場噩夢啊……” “哼福青!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起赴肚,我...
    開封第一講書人閱讀 37,679評論 0 266
  • 序言:老撾萬榮一對情侶失蹤素跺,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后誉券,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體指厌,經(jīng)...
    沈念sama閱讀 44,122評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,459評論 2 325
  • 正文 我和宋清朗相戀三年踊跟,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了踩验。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,605評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡商玫,死狀恐怖箕憾,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情拳昌,我是刑警寧澤袭异,帶...
    沈念sama閱讀 34,270評論 4 329
  • 正文 年R本政府宣布,位于F島的核電站炬藤,受9級特大地震影響御铃,放射性物質(zhì)發(fā)生泄漏碴里。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,867評論 3 312
  • 文/蒙蒙 一上真、第九天 我趴在偏房一處隱蔽的房頂上張望咬腋。 院中可真熱鬧,春花似錦睡互、人聲如沸根竿。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,734評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽寇壳。三九已至,卻和暖如春嗓违,著一層夾襖步出監(jiān)牢的瞬間九巡,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,961評論 1 265
  • 我被黑心中介騙來泰國打工蹂季, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留冕广,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,297評論 2 360
  • 正文 我出身青樓偿洁,卻偏偏與公主長得像撒汉,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子涕滋,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,472評論 2 348

推薦閱讀更多精彩內(nèi)容