ซีบอร์น - คู่กริด

PairGrid ช่วยให้เราสามารถวาดตารางของพล็อตย่อยโดยใช้ประเภทพล็อตเดียวกันเพื่อแสดงภาพข้อมูล

ไม่เหมือน FacetGrid คือใช้คู่ของตัวแปรที่แตกต่างกันสำหรับแต่ละแผนย่อย มันสร้างเมทริกซ์ของแผนการย่อย บางครั้งเรียกว่า "scatterplot matrix"

การใช้ pairgrid นั้นคล้ายกับ facetgrid ขั้นแรกให้เริ่มต้นตารางแล้วส่งผ่านฟังก์ชันการลงจุด

ตัวอย่าง

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()

นอกจากนี้ยังเป็นไปได้ที่จะพล็อตฟังก์ชันต่างๆบนเส้นทแยงมุมเพื่อแสดงการแจกแจงแบบไม่แปรผันของตัวแปรในแต่ละคอลัมน์

ตัวอย่าง

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()

เอาต์พุต

เราสามารถปรับแต่งสีของพล็อตเหล่านี้ได้โดยใช้ตัวแปรหมวดหมู่อื่น ตัวอย่างเช่นชุดข้อมูลไอริสมีการวัดสี่แบบสำหรับดอกไอริสแต่ละชนิดจากสามสายพันธุ์ที่แตกต่างกันเพื่อให้คุณเห็นว่ามันแตกต่างกันอย่างไร

ตัวอย่าง

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()

เอาต์พุต

เราสามารถใช้ฟังก์ชันที่แตกต่างกันในสามเหลี่ยมบนและล่างเพื่อดูความสัมพันธ์ในแง่มุมต่างๆ

ตัวอย่าง

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()

เอาต์พุต