Seanborn-Pairplot多變量圖

轉自：https://www.jianshu.com/p/6e18d21a4cad

#-*- coding:utf-8 -*-
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='hist',

markers=None, size=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None)

數據指定：

vars : 與data使用，否則使用data的全部變量。參數類型：numeric類型的變量list。
{x, y}_vars : 與data使用，否則使用data的全部變量。參數類型：numeric類型的變量list。
dropna : 是否剔除缺失值。參數類型：boolean, optional

特殊參數：

kind : {‘scatter’, ‘reg’}, optional Kind of plot for the non-identity relationships.
diag_kind : {‘hist’, ‘kde’}, optional。Kind of plot for the diagonal subplots.

基本參數：

size : 默認 6，圖的尺度大小（正方形）。參數類型：numeric
hue : 使用指定變量為分類變量畫圖。參數類型：string (變量名)
hue_order : list of strings Order for the levels of the hue variable in the palette
palette : 調色板顏色
markers : 使用不同的形狀。參數類型：list
aspect : scalar, optional。Aspect * size gives the width (in inches) of each facet.
{plot, diag, grid}_kws : 指定其他參數。參數類型：dicts

返回：

PairGrid 對象

 

1.散點圖

sns.set(style="ticks", color_codes=True)
iris = sns.load_dataset("iris")
g = sns.pairplot(iris)

 

2. 指定分類變量的散點圖

g2 = sns.pairplot(iris, hue="species")

 

 3. 改變對角圖(KED)

g5 = sns.pairplot(iris, diag_kind="kde")

 

 使用回歸

 

g6 = sns.pairplot(iris, kind="reg")

 

 

 

 4. 改變點形狀，使用參數，使用edgecolor

g7 = sns.pairplot(iris, diag_kind="kde", markers="+",
                  plot_kws=dict(s=50, edgecolor="b", linewidth=1),
                  diag_kws=dict(shade=True))