Seaborn - Paargitter

Mit PairGrid können wir ein Raster von Unterplots mit demselben Plottyp zeichnen, um Daten zu visualisieren.

Im Gegensatz zu FacetGrid werden für jedes Unterdiagramm unterschiedliche Variablenpaare verwendet. Es bildet eine Matrix von Untergrundstücken. Es wird manchmal auch als "Streudiagramm-Matrix" bezeichnet.

Die Verwendung von pairgrid ähnelt facetgrid. Initialisieren Sie zuerst das Raster und übergeben Sie dann die Plotfunktion.

Beispiel

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()

Es ist auch möglich, eine andere Funktion auf der Diagonale zu zeichnen, um die univariate Verteilung der Variablen in jeder Spalte anzuzeigen.

Beispiel

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()

Ausgabe

Wir können die Farbe dieser Diagramme mithilfe einer anderen kategorialen Variablen anpassen. Der Iris-Datensatz enthält beispielsweise vier Messungen für jede der drei verschiedenen Arten von Irisblüten, sodass Sie sehen können, wie sie sich unterscheiden.

Beispiel

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()

Ausgabe

Wir können eine andere Funktion im oberen und unteren Dreieck verwenden, um verschiedene Aspekte der Beziehung zu sehen.

Beispiel

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()

Ausgabe