plotstripchart函数_intercept函数

掌握pairplot：从图表到函数　　一、pairplot图　　
　　pairplot 是 seaborn 库中的一个函数，它被用来绘制数据集中各个变量之间的关系，绘制结果是一个各个特征之间相互关系的散点图矩阵。pairplot 会在一个网格中显示某些数据中所有可能的二关系。具体来说，该函数可以显示出每对变量之间的散点图、直方图以及密度图。　　下面是一个例子，展示了鸢尾花（iris）数据集中的三种花在花瓣长度、花瓣宽度、萼片长度和萼片宽度方面的数据。可以看到，除了每个特征的直方图之外，底部和左侧也是直方图。　　运行上述代码，会得到以下图表：　　二、pairplot图怎么看　　将pairplot绘制出来之后，如何分析这幅图呢？我们可以按照以下步骤来进行分析：　　1、对角线：对角线上是单变量分布的直方图或密度估计。直方图显示的是每个变量在数据集中的分布。密度图显示的是每个变量在数据集中的概率密度。这些图形能帮助我们检查每个特征的分布情况。　　2、非对角线：非对角线上是两两变量之间的散点图，可以看出不同变量之间的相关关系。坐标轴上的标注可以帮助我们理解变量之间的相关性。例如，x轴标签 PetalWidth，y轴标签 SepalLength 就是花瓣宽度和萼片长度之间的关系。　　3、下三角和上三角：可以看到，散点图沿着对角线是左下到右上的。这些散点图展示了两个特征之间的关系以及其相关性。例如，下三角中，右下角的图中可以看到，在sepal_length 和 petal_width之间存在一定的正相关性。　　三、pairplot函数　　下面是 pairplot 函数的定义：　　参数说明： data: DataFrame。需要进行可视化的数据集。 hue: 字符串。在数据集中选择一个分类变量，并在图表中使用不同的颜色标识不同类别。 vars: 列表。需要根据指定列或行来显示的列或行的子集。这个参数会被忽略，如果 x_vars 或 y_vars 被指定。 x_vars, y_vars: 列表。需要在网格中显示的子集。“x_vars” 是在 x 轴上显示的变量列表，“y_vars” 是在 y 轴上显示的变量列表。可以同时指定 x_vars 和 y_vars，以显示非对角线素。 hue_order: 列表。用于控制分类变量级别的绘图顺序。默认情况下，是按字母顺序排序。 palette: 在实现颜色映射时使用的调色板。palette 可以是颜色列表或者调用 seaborn 里自定义的颜色映射。 kind: 字符串。每个对角线上的绘图种类。可以是“scatter”、“hist”或“kde”。非对角线上的绘图都是散点图。 diag_kind: 字符串。对角线上绘图的种类。“auto”表示尝试推断要使用的绘图类型，“hist”表示直方图，“kde”表示密度图。 markers: 用于散点图的标记风格。 height: 整数。每个图表的高度（以英寸为单位）。 aspect: 整数。网格中每个轴的宽高比。 dropna: 布尔值。如果为True，则将缺少 NA/NaN 值的列或行删除。默认为True。 diag_kws: 字典，关键字参数。传递给 diagonal 子图函数的参数。　　四、pairplot()函数各个参数的含义　　下面详细介绍一下pairplot()函数的各个参数的含义及如何使用：　　1、data 　　data是需要进行可视化的数据集。可以是 pandas.DataFrame 还可以是list、tuple、ndarray 类型。下面是一个例子，使用列表作为数据集：　　2、hue 　　hue是一个字符，用于区分数据集中不同的分类。具体来说，它会在图表中使用不同的颜色标识不同类别。在下面的例子中，我们使用 iris 数据集中的 Species 变量作为 hue：　　3、vars, x_vars, y_vars 　　vars, x_vars 和 y_vars 都是可选的关键字参数，用于选择要在图表中显示的变量。vars 是指定要使用的列。使用 x_vars 和 y_vars 可以更精细的选择要显示的列或行。下面是一个例子：　　4、palette 　　palette 是指定用于显示 hue 变量的颜色映射。下面的代码采用两种不同的调色板。　　5、diag_kind 　　diag_kind参数可以选择在对角线上绘制何种类型的图形，其可以取值为：“auto”、“hist”和“kde”。　　①“auto”表示函数自动识别可行的方式来表示精确图形。如果变量小于等于10，它使用“hist”；它使用“kde”代表高于10的变量数。缺省为“auto”。　　②“hist”表示在对角线的位置绘制直方图。　　③“kde”表示在对角线的位置绘制密度曲线。　　下面是几个例子：　　6、kind 　　如果要在非对角线上制绘制图形怎么办？”kind”参数负责选择这个情况下的绘制方式。可以取值为：“scatter”、“kde”（默认值）或者“reg（回归）”。下面的代码中，通过 kind 参数设置了非对角线上的素为散点图。　　7、markers 　　markers参数是一个标记列表。它被用于非对角线上绘制散点图时的标记样式选择。如果提供的标记数量少于数据集中的类别数量，则每个类别将使用每个标记的第一次出现。在下面的例子中，我们使用方块和圆圈分别表示不同类型烟民和非烟民，使用叉号表示男性和女性：　　五、plot 　　seaborn 开放性良好，自带的方法就满足了绝大部分绘图需求。但如果想要进一步控制图像细节，可以在 pairplot()之前调用FaciGrid类中的方法。这里列举几个重要的方法。例如，可以使用FacetGrid.map ()方法来调用自定义函数。以画出一条直线为例，如下所示：　　六、python中pairplot选取3~5个与pairplot相关的　　1、hue参数　　2、vars参数　　Vars参数是指定要分析的变量。　　3、diag_kind参数　　4、kind参数　　5、palette参数　　调色板的种类有很多种，这里列举两种：　　import seaborn as sns import matplotlib.pyplot as plt tips = sns.load_dataset(“tips”) #默认调色板 sns.pairplot(tips, hue=”smoker”) plt.show() #husl调色板 sns.pairplot(tips, hue=”smoker”, palette=”husl

plotstripchart函数_intercept函数

相关推荐