6-7 散点图矩阵
如果希望考察数据集中多个数值变量两两间的数量关联，可以使用pairplot()函数。它会生成一个含有轴的矩阵，在默认状态下，会将数据集中所有列成对可视化。
seaborn.pairplot(
data : 用于绘图的数据框。
vars : 可选，需要分析的变量列表，默认分析全部数值变量列。
{x, y}_vars : 用于分析的行/列变量，此时会生成非对称的矩阵图。
kind = ‘scatter’ : 绘图种类，{‘scatter’, ‘reg’}。
diag_kind = ‘auto’ : 主对角线绘图种类，{‘hist’, ‘kde’}
散点分组
hue : 变量名字符串，该变量将在绘图时用颜色将散点进行分组。
hue_order : 分组变量各取值绘图时在调色板中的顺序，list格式。
palette : hue变量所对应的调色盘设定，dict/seaborn调色盘格式。
格式设定：
markers : 散点标记，hue分组时以list格式提供。
height = 2.5 : 面板高度，英寸。
aspect = 1 : 面板宽度与高度之比，aspect * size即为面板宽度。
dropna = True : 绘图前是否删除缺失值。
{plot, diag, grid}_kws : dicts, keyword arguments
) 返回：PairGrid对象。
sns.pairplot(data = ccss, vars = ['index1', 'index1a', 'index1b'])
sns.pairplot(data = ccss, x_vars = 's3',
y_vars = ['index1a', 'index1b'],
kind = 'reg', hue = 's2', height = 4, aspect = 1.5)
seaborn.PairGrid对象的方法：
add_legend([legend_data, title, label_order]) 绘制图例
map(func, **kwargs) 指定所有单元格绘制的图形种类
map_diag(func, **kwargs) 指定主对角线单元格绘制的单变量图形种类
map_lower(func, **kwargs) 指定下三角单元格绘制的双变量图形种类
map_offdiag(func, **kwargs) 指定非主对角线单元格绘制的双变量图形种类
map_upper(func, **kwargs) 指定上三角单元格绘制的双变量图形种类
savefig(*args, **kwargs) 保存图形
set(**kwargs) 设置每一个subplot Axes对象的属性
# 新版seabborn会因主对角线无法绘制二维kdeplot而报错，可换用其他图形，如scatterplot
sns.PairGrid(data = ccss,
vars = ['index1', 'index1a', 'index1b']).map(sns.scatterplot)
sns.PairGrid(data = ccss,
vars = ['index1', 'index1a', 'index1b']).map_upper(sns.scatterplot)
