python特征相关性可视化分析 - sns.pairplot

seaborn 是一个基于 matplotlib 的 Python 数据可视化库，提供了更高层次的接口来绘制有吸引力的统计图形。pairplot 是 seaborn 中的一个函数，用于绘制数据集中多个变量之间的成对关系图。

基本用法

pairplot 函数可以快速地对数据集中的所有数值变量进行成对关系的可视化。默认情况下，它会在对角线上绘制每个变量的直方图或核密度估计图，在非对角线上绘制散点图。

import seaborn as sns

# 加载示例数据集
tips = sns.load_dataset('tips')

# 绘制 pairplot
sns.pairplot(tips)
1
2
3
4
5
6
7

参数说明

pairplot 函数有许多参数可以调整，以满足不同的可视化需求。以下是一些常用的参数：

• data：输入的数据集，通常是一个 DataFrame。
• hue：用于分组的变量，可以是数据集中的一个列名。这将在所有子图中添加颜色编码。
• vars：指定要绘制的变量列表。
• kind：指定非对角线上的图类型，可以是 'scatter'（默认）或 'reg'（带回归线的散点图）。
• diag_kind：指定对角线上的图类型，可以是 'auto'（默认，根据数据类型选择）、'hist'（直方图）或 'kde'（核密度估计图）。
• markers：指定散点图的标记类型。
• palette：指定颜色调色板。
• height：每个子图的高度。
• aspect：每个子图的宽高比。

示例代码

以下是一个更详细的示例，展示了如何使用 pairplot 函数并调整一些参数：

import seaborn as sns
import matplotlib.pyplot as plt

# 加载示例数据集
tips = sns.load_dataset('tips')

# 绘制 pairplot，并使用 'sex' 列进行颜色编码
sns.pairplot(tips, hue='sex', palette='husl', markers=['o', 's'], diag_kind='kde')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11

输出示例

上述代码将生成一个成对关系图，其中每个子图的对角线上是核密度估计图，非对角线上是散点图，并且根据 sex 列进行颜色编码。