多变量之间的关系可视化——Seaborn.pairplot

1.导入需要用的包

#-*- coding:utf-8 -*-
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

2.基本格式

seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='hist', markers=None, size=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None)

数据指定

• vars : 与data使用，否则使用data的全部变量。参数类型：numeric类型的变量list。
• {x, y}_vars : 与data使用，否则使用data的全部变量。参数类型：numeric类型的变量list。
• dropna : 是否剔除缺失值。参数类型：boolean, optional

特殊参数

• kind : {‘scatter’, ‘reg’}, optional Kind of plot for the non-identity relationships.
• diag_kind : {‘hist’, ‘kde’}, optional。Kind of plot for the diagonal subplots.

基础参数

• size : 默认 6，图的尺度大小（正方形）。参数类型：numeric
• hue : 使用指定变量为分类变量画图。参数类型：string (变量名)
• hue_order : list of strings Order for the levels of the hue variable in the palette
• palette : 调色板颜色
  markers : 使用不同的形状。参数类型：list
• aspect : scalar, optional。Aspect * size gives the width (in inches) of each facet.
• {plot, diag, grid}_kws : 指定其他参数。参数类型：dicts

返回

PairGrid对象

3.多变量之间的关系图

（1）散点图

sns.set(style='ticks', color_codes=True)
iris = sns.load_dataset('iris')
g = sns.pairplot(iris)

（2）指定分类变量的散点图

g2 = sns.pairplot(iris, hue='species')

使用调色板

g3 = sns.pairplot(iris, hue='species', palette='gnuplot_r')

使用不同的形状

g4 = sns.pairplot(iris, hue="species", markers=["o", "s", "D"])

（3）改变对角图

使用KDE

g5 = sns.pairplot(iris, diag_kind="kde")

使用回归

g6 = sns.pairplot(iris, kind="reg")

（4）改变点形状，使用参数，使用edgecolor

g7 = sns.pairplot(iris, diag_kind="kde", markers="+",
                  plot_kws=dict(s=50, edgecolor="b", linewidth=1),
                  diag_kws=dict(shade=True))