使用 Seaborn 在Python中绘制网格图

网格是绘图的一般类型，允许您将绘图类型映射到网格行和列，这有助于您创建类似的字符分隔绘图。在本文中，我们将使用两个不同的数据集（Iris 和 Tips）来演示网格图

使用虹膜数据集

我们将使用 Iris 数据集，这是一个非常著名的数据集，可用作内置数据集。它包含一组不同的鸢尾花（花）的测量值。该数据集包括四个度量：萼片距离、萼片重量、花瓣长度和花瓣宽度。我们将为下面使用的所有示例使用以下代码片段。

代码片段：

Python3

import seaborn as sns
import matplotlib.pyplot as plt
  
  
iris = sns.load_dataset("iris")
iris.head()
  
# YOUR CODE HERE

输出：

注意：将以下代码片段放在您的代码处。

配对图

Pair Plot 就像整个数据集的自动联合图。在示例中，配对图映射了配对伙伴关系。 pairplot()方法生成一个 Axes 映射，以便每个数据向量分布在 y 轴上的单行和 x 轴上的单列上。这会生成如下所示的图。

sns.pairplot(data = iris)

我们使用“色调”来可视化图中每种“物种”的独立颜色。调色板用于自定义绘图的颜色，如下所示。

sns.pairplot(iris, hue="species", palette="rainbow")

对网格

我们可以使用 seaborn 的 PairGrid 机制自定义pair plot。 PairGrid 获取所有数字列并将它们网格化，形成子图，如下所示。

sns.PairGrid(data = iris)

我们可以通过调用'.map'来映射到网格。在这里，我们将散点图称为“.scatter”。现在所有的网格都是散点图类型的。我们可以使用“.map”在网格中定义我们想要的绘图类型。

g = sns.PairGrid(iris)
g.map(plt.scatter) #All the grids plot scatter plot

为了映射到上网格、下网格和对角网格，我们从 PairGrid 中调用“.map_upper”、“.map_lower”、“.map_diag”。在这里我们可以看到对角线是'hist'类型的图，上面的网格是'scatter'类型的图，下面的网格是'kde'类型的图。

g = sns.PairGrid(iris)
g.map_diag(plt.hist)
g.map_upper(plt.scatter)
g.map_lower(sns.kdeplot)

使用提示数据集

我们将使用另一个内置数据集。该数据集包含七个特征：总账单、小费、性别、吸烟者、日期、时间、大小。我们将为下面使用的所有示例使用以下代码片段。

代码片段：

Python3

import seaborn as sns
import matplotlib.pyplot as plt
  
  
tips = sns.load_dataset("tips")
tips.head()
  
# YOUR CODE HERE

输出：

注意：将以下代码片段放在您的代码处。

分面网格

FacetGrid 是一种基于函数创建绘图网格的通用方法。它的对象使用数据框作为输入，以及形成网格的行、列或颜色维度的变量的名称。

在这里我们可以看到，因为吸烟者列中有两种类型的值，即吸烟者 = 否和吸烟者 = 是，因此这会在网格中创建两行，一个为吸烟者 = 是，另一个为吸烟者 = 否。对于列，如时间列中有两种类型的值，即时间 = 午餐和时间 = 晚餐，因此这会在网格中创建两列，一列用于时间 = 午餐，另一列用于时间 = 晚餐。

g = sns.FacetGrid(tips, col="time", row="smoker")

总账单在我们使用“地图”创建的网格中绘制为历史记录。

g = sns.FacetGrid(tips, col="time",  row="smoker")
g = g.map(plt.hist, "total_bill")

在这里，我们将色调定义为性别，并绘制了一个散点图，其中 X 轴是 total_bill，Y 轴是 yip..

g = sns.FacetGrid(tips, col="time",  row="smoker", hue='sex')
g = g.map(plt.scatter, "total_bill", "tip").add_legend()

联合网格

JointGrid 是jointplot()网格类型的通用版本。 Seaborn 的联合图显示了 2 个变量（双变量）和 1D 轮廓（单变量）之间的边际关系。该图是一个包含 JointGrid 的产品表单。

g = sns.JointGrid(x="total_bill", y="tip", data=tips)

g = sns.JointGrid(x="total_bill", y="tip", data=tips)
g = g.plot(sns.regplot, sns.distplot)