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脚本之家其它相关文章！

关键词： 数据准备 绘制方式 相关文章 设置点大小