使用 Seaborn 在Python中使用边际直方图绘制散点图

先决条件：Seaborn

带边际直方图的散点图基本上是带有两个变量边际分布的联合分布图。在数据可视化中，我们经常绘制两个随机变量（双变量分布）或任意数量的随机变量的联合行为。但如果数据太大，重叠可能是一个问题。因此，为了区分变量，将每个变量的概率分布与联合图一起放在一边是有用的。随机变量的这种个体概率分布称为其边际概率分布。

在 seaborn 中，这是通过jointplot()来实现的。它使用 scatterplot() 表示双变量分布，使用histplot()表示边缘分布。

方法

• 导入seaborn库
• 加载您选择的数据集
• 对数据集的变量使用jointplot()

示例 1：

Python3

# importing and creating alias for seaborn
import seaborn as sns
  
# loading tips dataset
tips = sns.load_dataset("tips")
  
# plotting scatterplot with histograms for features total bill and tip.
sns.jointplot(data=tips, x="total_bill", y="tip")

输出 ：

Jointplot_with_histograms

示例 2：使用 kind=”reg” 属性，您可以添加线性回归拟合和单变量 KDE 曲线。

蟒蛇3

import seaborn as sns
  
tips = sns.load_dataset("tips")
  
# here "*" is used as a marker for scatterplot
sns.jointplot(data=tips, x="total_bill", y="tip", kind="reg", marker="*")

输出 ：

具有线性回归拟合的散点图

示例 3：要向散点图添加条件颜色，您可以使用 Hue 属性，但它会在边缘轴上绘制单独的密度曲线（使用 kdeplot()）。

蟒蛇3

import seaborn as sns
  
tips = sns.load_dataset("tips")
  
sns.jointplot(data=tips, x="total_bill", y="tip", hue="time")

输出 ：

散点图3