Python可视化学习之seaborn绘制矩阵图详解
目录
- 本文内容速览
- 1、绘图数据准备
- 2、seaborn.pairplot
- 加上分类变量
- 修改调色盘
- x,y轴方向选取相同子集
- x,y轴方向选取不同子集
- 非对角线散点图加趋势线
- 对角线上的四个图绘制方式
- 只显示网格下三角图形
- 图形外观设置
- 3、seaborn.PairGrid(更灵活的绘制矩阵图)
- 每个子图绘制同类型的图
- 对角线和非对角线分别绘制不同类型图
- 对角线上方、对角线、对角线下方分别绘制不同类型图
- 其它一些参数修改
本文内容速览
1、绘图数据准备
还是使用鸢尾花iris数据集
#导入本帖要用到的库,声明如下: import matplotlib.pyplot as plt import numpy as np import pandas as pd from pandas import Series,DataFrame from sklearn import datasets import seaborn as sns #导入鸢尾花iris数据集(方法一) #该方法更有助于理解数据集 iris=datasets.load_iris() x, y =iris.data,iris.target y_1 = np.array(['setosa' if i==0 else 'versicolor' if i==1 else 'virginica' for i in y]) pd_iris = pd.DataFrame(np.hstack((x, y_1.reshape(150,1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class']) #astype修改pd_iris中数据类型object为float64 pd_iris['sepal length(cm)']=pd_iris['sepal length(cm)'].astype('float64') pd_iris['sepal width(cm)']=pd_iris['sepal width(cm)'].astype('float64') pd_iris['petal length(cm)']=pd_iris['petal length(cm)'].astype('float64') pd_iris['petal width(cm)']=pd_iris['petal width(cm)'].astype('float64') #导入鸢尾花iris数据集(方法二) #import seaborn as sns #iris_sns = sns.load_dataset("iris")
数据集简单统计
2、seaborn.pairplot
语法:seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, corner=False, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None, size=None)
g = sns.pairplot(pd_iris) g.fig.set_size_inches(12,12)#figure大小 sns.set(style='whitegrid',font_scale=1.5)#文本大小
对角线4张图是变量自身的分布直方图;
非对角线的 12 张就是某个变量和另一个变量的关系。
加上分类变量
g = sns.pairplot(pd_iris, hue='class'#按照三种花分类 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
修改调色盘
可以使用Matplotlib、seaborn、颜色号list等色盘。
可参考:Python可视化学习之seaborn调色盘
import palettable g = sns.pairplot(pd_iris, hue='class', palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,#palettable颜色盘 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
g = sns.pairplot(pd_iris, hue='class', palette='Set1',#Matplotlib颜色 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
g = sns.pairplot(pd_iris, hue='class', palette=['#dc2624', '#2b4750', '#45a0a2'],#使用传入的颜色list ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
x,y轴方向选取相同子集
import palettable g = sns.pairplot(pd_iris, hue='class', palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors, vars=['sepal length(cm)','sepal width(cm)'],#x,y轴方向选取相同子集绘图 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,6) sns.set(style='whitegrid',font_scale=1.5)
x,y轴方向选取不同子集
import palettable g = sns.pairplot(pd_iris, hue='class', palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors, x_vars=['sepal length(cm)','sepal width(cm)'],#x,y轴方向选取不同子集 y_vars=['petal length(cm)','petal width(cm)'], ) sns.set(style='whitegrid') g.fig.set_size_inches(12,6) sns.set(style='whitegrid',font_scale=1.5)
非对角线散点图加趋势线
import palettable g = sns.pairplot(pd_iris, hue='class', palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors, kind='reg',#默认为scatter,reg加上趋势线 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
对角线上的四个图绘制方式
可选参数为‘auto’, ‘hist’(默认), ‘kde’, None。
import palettable g = sns.pairplot(pd_iris, hue='class', palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors, diag_kind='hist',#hist直方图 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
只显示网格下三角图形
import palettable g = sns.pairplot(pd_iris, hue='class', palette='Set1', corner=True#图形显示左下角 ) g.fig.set_size_inches(12,12) sns.set(font_scale=1.5)
图形外观设置
import palettable g = sns.pairplot(pd_iris, hue='class', palette='Set1', markers=['$\clubsuit$','.','+'],#散点图的marker plot_kws=dict(s=50, edgecolor="r", linewidth=1),#非对角线上的图marker大小、外框、外框线宽 diag_kws=dict(shade=True)#对角线上核密度图是否填充 ) g.fig.set_size_inches(12,12) sns.set(font_scale=1.5)
3、seaborn.PairGrid(更灵活的绘制矩阵图)
seaborn.PairGrid(data, hue=None, hue_order=None, palette=None, hue_kws=None, vars=None, x_vars=None, y_vars=None, corner=False, diag_sharey=True, height=2.5, aspect=1, layout_pad=0, despine=True, dropna=True, size=None)
每个子图绘制同类型的图
g = sns.PairGrid(pd_iris, hue='class', palette='husl',) g = g.map(plt.scatter)#map每个子图绘制一样类型的图 g = g.add_legend() g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
对角线和非对角线分别绘制不同类型图
g = sns.PairGrid(pd_iris, hue='class', palette='Set1',) g = g.map_diag(plt.hist)#对角线绘制直方图 g = g.map_offdiag(plt.scatter)#非对角线绘制散点图 g = g.add_legend() g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
对角线上方、对角线、对角线下方分别绘制不同类型图
g = sns.PairGrid(pd_iris, hue='class',) g = g.map_upper(sns.scatterplot) g = g.map_lower(sns.kdeplot, colors="C0") g = g.map_diag(sns.kdeplot, lw=2)3绘制核密度图 g = g.add_legend()#添加图例 sns.set(style='whitegrid',font_scale=1.5)
其它一些参数修改
g = sns.PairGrid(pd_iris, hue='class', palette='Set1', hue_kws={"marker": ["^", "s", "D"]},#设置marker diag_sharey=False, ) g = g.map_upper(sns.scatterplot,edgecolor="w", s=40)#设置点大小,外框颜色 g = g.map_lower(sns.kdeplot, colors="#01a2d9")#设置下三角图形颜色 g = g.map_diag(sns.kdeplot, lw=3)#对角图形颜色 g = g.add_legend()#添加图例 g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)
以上就是Python可视化学习之seaborn绘制矩阵图详解的详细内容,更多关于Python seaborn矩阵图的资料请关注我们其它相关文章!
赞 (0)