Python教程-在Python中使用Pair Plot

Seaborn Pairplot简介

在本教程中，我们将通过Python编程语言中的pairplot()函数来了解Seaborn Pairplot。这个函数可以帮助我们分析用于机器学习项目的探索性数据。我们还将探讨Seaborn库的pairplot()函数的语法并进行一些示例。

但在开始之前，让我们简要了解一下Seaborn库。

什么是Python中的Seaborn库？

Python社区提供了一个用于数据可视化的开源库，称为Seaborn。Seaborn库是建立在matplotlib库之上的，与Python中的Pandas数据结构紧密集成。可视化是Seaborn库的核心概念，帮助用户探索和理解数据。

由于Seaborn库结合了不同的库，并与之整合，因此学习者需要熟悉NumPy、Matplotlib和Pandas库。

Seaborn库提供了各种功能，其中一些列举如下：

Seaborn提供了一个面向数据集的应用程序编程接口（API），用于确定变量之间的关系。
Seaborn还提供了线性回归图的自动估计和绘图功能。
Seaborn还提供了用于多重绘图网格的高级抽象支持。
Seaborn还提供了可视化单变量和双变量分布的功能。

现在，让我们了解如何下载和安装Seaborn库。

如何安装Seaborn库？

在以下部分，我们将讨论Seaborn库的安装过程中涉及的步骤。

使用pip安装程序

我们可以使用pip安装程序来安装Seaborn库的最新版本。我们只需在命令行或终端中键入以下命令即可。

$ pip install seaborn

使用conda安装程序

Anaconda是一个跨平台的免费Python发行版，可用于Windows、Linux和Mac。

我们可以使用conda安装程序来安装Seaborn库的最新版本，使用以下命令：

$ conda install seaborn

除了这两种方法，我们还可以安装Seaborn库的开发版本。

使用GitHub安装开发版本

要安装开发版本，可以访问以下链接：

https://github.com/mwaskom/seaborn

一些依赖关系

在下载和安装Seaborn库时，需要注意一些依赖关系，它们如下：

Python版本为2.7或3.4+
NumPy库
Matplotlib库
SciPy库
Pandas库

初始化Seaborn库

一旦我们完成了Seaborn库的下载和安装，让我们创建一个空的Python文件，并使用以下语法来初始化库。

import seaborn

或者

import seaborn as sbn

保存程序并执行文件。如果程序没有返回导入错误，那么库已成功安装。否则，请按照上述说明重新安装库。

Seaborn库允许用户绘制各种图形，如：

饼图
条形图
分布图
散点图
热图
Pair Plots

在本教程中，我们将仅讨论Seaborn Pair Plots和pairplot()函数。那么，让我们开始吧。

理解Seaborn Pairplot函数

Seaborn Pairplot函数允许用户创建一个坐标轴网格，通过该网格，数据中存储的每个数值变量都在X轴和Y轴上以列和行的形式共享。我们可以创建散点图，以显示成对的关系，同时在列对角线上显示数据分布。

pairplot()函数还可以用来展示变量的子集，或者在行和列上绘制不同类型的变量。

让我们来看一下Seaborn Pairplot函数的语法，如下所示：

Seaborn Pairplot函数的语法

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 = False,  
    plot_kws = None,  
    diag_kws = None,  
    grid_kws = None,  
    size = None  
    )

Pairplot函数的参数:

data: data参数接受要绘制的可视化数据。该值可以是DataFrame、数组或数组列表。
hue_order, order: hue_order或简单的order参数是在图中使用的分类变量的顺序。此参数的值可以是字符串列表。
scale: scale参数用于调整图形的大小。该参数可以采用多个用途的值，如面积、计数或宽度。
scale_hue: scale_hue参数采用布尔值，以确定是否在主要分组变量的每个级别内估计比例（TRUE）或跨图中的所有小提琴估计比例（FALSE）。
gridsize: gridsize参数采用整数值，用于计算图的核密度。
inner: inner参数允许用户定义小提琴图的内部点。此参数可以采用值，如框、点、四分位数、棍棒或None。
orient: orient参数允许用户确定图的方向。方向可以是垂直，用'v'表示，或水平，用'h'表示。
linewidth: linewidth参数采用浮点整数作为其值，以确定图中使用的灰线的宽度。
color: color参数允许用户指定图中所有数据元素的颜色范围。该参数的值可以是matplotlib颜色。
palette: palette参数用于定义用于图的每个级别的颜色，包括各种色调。
ax: ax参数用于定义图将构建在其上的坐标轴。该参数的值可以是matplotlib Axes。

让我们考虑一些示例，以了解pairplot()函数的工作原理。

示例1:

# importing the required libraries  
import seaborn as sbn  
import matplotlib.pyplot as plt  
# loading the dataset using the seaborn library  
mydata = sbn.load_dataset('penguins')  
# pairplot with the hue = gender parameter  
sbn.pairplot(mydata, hue = 'gender')  
# displaying the plot  
plt.show()

输出:

解释:

在上面的示例中，我们导入了所需的库，并使用Seaborn的load_dataset()函数加载了penguins数据集。然后，我们使用pairplot()函数可视化图形，其中hue参数设置为值'gender'。最后，我们使用Matplotlib的show()函数将图形显示给用户。结果，成功生成了Pair Plot。

示例2:

# importing the required libraries  
import seaborn as sbn  
import matplotlib.pyplot as plt  
# loading the dataset using the seaborn library  
mydata = sbn.load_dataset('tips')  
# pairplot with the kind = kde parameter  
sbn.pairplot(mydata, kind = 'kde')  
# displaying the plot  
plt.show()