Python中seaborn如何绘制矩阵图

这篇文章主要介绍了Python中seaborn如何绘制矩阵图，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

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 pltimport numpy as npimport pandas as pdfrom pandas import Series,DataFramefrom sklearn import datasetsimport 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.targety_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float64pd_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 palettableg = 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 palettableg = 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 palettableg = 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 palettableg = 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 palettableg = 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 palettableg = 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)

感谢你能够认真阅读完这篇文章，希望小编分享的"Python中seaborn如何绘制矩阵图"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!