Seaborn - Grid Eşleştir

PairGrid, verileri görselleştirmek için aynı çizim tipini kullanarak bir alt grafik ızgarası çizmemizi sağlar.

FacetGrid'in aksine, her alt grafik için farklı değişken çifti kullanır. Alt grafiklerden oluşan bir matris oluşturur. Bazen "dağılım grafiği matrisi" olarak da adlandırılır.

Pairgrid kullanımı fasetgrid'e benzer. Önce ızgarayı başlatın ve ardından çizim fonksiyonunu geçin.

Misal

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()

Her sütundaki değişkenin tek değişkenli dağılımını göstermek için köşegende farklı bir fonksiyon çizmek de mümkündür.

Misal

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()

Çıktı

Başka bir kategorik değişken kullanarak bu grafiklerin rengini özelleştirebiliriz. Örneğin, iris veri kümesinde üç farklı iris çiçeği türünün her biri için dört ölçüm vardır, böylece bunların nasıl farklı olduğunu görebilirsiniz.

Misal

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()

Çıktı

İlişkinin farklı yönlerini görmek için üst ve alt üçgenlerde farklı bir işlev kullanabiliriz.

Misal

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()

Çıktı