Python可视化学习之seaborn绘制矩阵图详解

本文内容速览

1、绘图数据准备

还是使用鸢尾花iris数据集

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)

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

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

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

可选参数为‘auto’, ‘hist’（默认）, ‘kde’, none。

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）

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

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

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其它相关文章！