Python Seaborn配對示例

Seaborn的pairplot可用於快速可視化多變量關係，1. 基礎用法繪製每對數值變量的散點圖，對角線顯示各變量分佈；2. 使用hue參數可按類別著色，區分不同分類；3. 通過diag_kind參數可將對角線圖表設為'kde'或'hist'；4. 利用height和aspect參數調整子圖大小；5. 通過vars參數選擇特定變量繪製；建議在變量數較少時使用，大數據量可結合plot_kws設置alpha和s優化顯示效果，該函數是探索性數據分析中高效直觀的工具。

Seaborn 的pairplot是一個非常實用的函數，用於快速可視化數據集中多個變量之間的關係。它會為每對數值變量繪製散點圖（在對角線上是直方圖或密度圖），非常適合探索性數據分析（EDA）。

下面是一個使用seaborn.pairplot的完整示例，使用內置的iris數據集：

1. 基礎pairplot 示例

import seaborn as sns
import matplotlib.pyplot as plt

# 加載內置的iris 數據集iris = sns.load_dataset('iris')

# 創建pairplot
sns.pairplot(iris)
plt.show()

這個圖會顯示：

• 非對角線：不同特徵之間的散點圖（如sepal_length vs sepal_width）
• 對角線：每個特徵的分佈（默認是直方圖）

2. 按類別著色（hue 參數）

如果你的數據有分類標籤，可以用hue參數按類別上色，更清晰地看出類別之間的差異。

 sns.pairplot(iris, hue='species')
plt.show()

這樣不同種類的鳶尾花（setosa、versicolor、virginica）會以不同顏色顯示，便於觀察分類邊界。

3. 自定義對角線圖表類型

你可以用diag_kind參數修改對角線上的圖類型，比如換成密度圖：

 sns.pairplot(iris, hue='species', diag_kind='kde')
plt.show()

也可以設為'hist'顯示直方圖。

4. 控製圖形大小和風格

雖然pairplot返回的是PairGrid對象，但你可以通過height和aspect調整子圖大小：

 sns.pairplot(iris, hue='species', height=2.5, aspect=1.2)
plt.show()

• height ：每個子圖的高度
• aspect ：寬高比

5. 只繪製部分變量

如果你只關心某些列，可以用vars參數選擇：

 sns.pairplot(iris, 
             hue='species', 
             vars=['sepal_length', 'sepal_width', 'petal_length'])
plt.show()

小貼士

• pairplot適合特徵不多的數據集（比如3~6 個變量），否則圖表會太密集。
• 如果數據量很大（如上萬行），散點圖可能會重疊嚴重，可以考慮加透明度或用plot_kws調整參數：

 sns.pairplot(iris, hue='species', plot_kws={'alpha': 0.7, 's': 15})
plt.show()

其中：

• alpha ：透明度
• s ：散點大小

基本上就這些。 pairplot是EDA 中非常“開箱即用”的工具，幾行代碼就能看出數據的整體結構和類別可分性。

以上是Python Seaborn配對示例的詳細內容。更多資訊請關注PHP中文網其他相關文章！