Seaborn - แสดงภาพความสัมพันธ์แบบคู่

ชุดข้อมูลภายใต้การศึกษาแบบเรียลไทม์มีตัวแปรมากมาย ในกรณีเช่นนี้ควรวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรแต่ละตัวและทุกตัวแปร การพล็อตการกระจายแบบสองตัวแปรสำหรับชุดค่าผสม (n, 2) จะเป็นกระบวนการที่ซับซ้อนและต้องใช้เวลามาก

ในการลงจุดการแจกแจงแบบทวิภาคีหลายคู่ในชุดข้อมูลคุณสามารถใช้ pairplot()ฟังก์ชัน สิ่งนี้แสดงความสัมพันธ์สำหรับ (n, 2) การรวมกันของตัวแปรใน DataFrame เป็นเมทริกซ์ของพล็อตและพล็อตแนวทแยงเป็นพล็อตที่ไม่แปรผัน

แกน

ในส่วนนี้เราจะเรียนรู้ว่าแกนคืออะไรการใช้งานพารามิเตอร์และอื่น ๆ

การใช้งาน

seaborn.pairplot(data,…)

พารามิเตอร์

ตารางต่อไปนี้แสดงรายการพารามิเตอร์สำหรับแกน -

ซีเนียร์ พารามิเตอร์และคำอธิบาย
1

data

ดาต้าเฟรม

2

hue

ตัวแปรในข้อมูลเพื่อแมปลักษณะของพล็อตกับสีต่างๆ

3

palette

ชุดสีสำหรับการแมปตัวแปรสี

4

kind

ชนิดของพล็อตสำหรับความสัมพันธ์ที่ไม่ใช่ตัวตน {'scatter', 'reg'}

5

diag_kind

ชนิดของพล็อตย่อยในแนวทแยง {'hist', 'kde'}

ยกเว้นข้อมูลพารามิเตอร์อื่น ๆ ทั้งหมดเป็นทางเลือก มีพารามิเตอร์อื่น ๆ อีกเล็กน้อยที่pairplotยอมรับได้. ที่กล่าวมาข้างต้นมักใช้ params

ตัวอย่าง

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()

เอาต์พุต

เราสามารถสังเกตการเปลี่ยนแปลงในแต่ละแปลง พล็อตอยู่ในรูปแบบเมทริกซ์โดยที่ชื่อแถวแสดงถึงแกน x และชื่อคอลัมน์แทนแกน y

แปลงทแยงมุมเป็นแปลงความหนาแน่นของเคอร์เนลโดยที่อีกแปลงเป็นแปลงกระจายตามที่กล่าวไว้