seaborn.PairGrid.init#

PairGrid.__init__(data, *, hue=None, vars=None, x_vars=None, y_vars=None, hue_order=None, palette=None, hue_kws=None, corner=False, diag_sharey=True, height=2.5, aspect=1, layout_pad=0.5, despine=True, dropna=False)#

初始化繪圖和 PairGrid 物件。

參數:

dataDataFrame: 整潔（長格式）資料框，其中每一列是一個變數，每一行是一個觀察值。
hue字串 (變數名稱): 在 data 中將繪圖外觀對應到不同顏色的變數。此變數將從預設的 x 和 y 變數中排除。
vars變數名稱列表: data 中要使用的變數，否則使用具有數值資料類型的每個欄。
{x, y}_vars變數名稱列表: data 中分別用於圖形的行和列的變數；也就是說，製作一個非正方形的圖形。
hue_order字串列表: 調色盤中色調變數的層級順序
palette字典或 seaborn 色彩調色盤: 用於對應 hue 變數的顏色集。如果是一個字典，則鍵應該是 hue 變數中的值。
hue_kwsparam -> 數值列表對應的字典: 插入到繪圖呼叫中的其他關鍵字參數，讓其他繪圖屬性在色調變數的層級中變化（例如散佈圖中的標記）。
cornerbool: 如果為 True，則不要將軸新增到網格的上（非對角線）三角形，使之成為「角落」圖。
height純量: 每個 facet 的高度（以英寸為單位）。
aspect純量: 長寬比 * 高度會得到每個 facet 的寬度（以英寸為單位）。
layout_pad純量: 軸之間的間距；傳遞給 fig.tight_layout。
despine布林值: 從圖表中移除頂部和右側的脊柱。
dropna布林值: 在繪圖之前從資料中刪除遺失值。

另請參閱

pairplot: 輕鬆繪製 PairGrid 的常見用法。
FacetGrid: 用於繪製條件關係的子圖網格。

範例

呼叫建構函式會設定一個空白的子圖網格，其中每一行和一列對應於資料集中的數值變數

penguins = sns.load_dataset("penguins")
g = sns.PairGrid(penguins)

將雙變數函數傳遞給 PairGrid.map() 將在每個軸上繪製雙變數圖

g = sns.PairGrid(penguins)
g.map(sns.scatterplot)

將不同的函數傳遞給 PairGrid.map_diag() 和 PairGrid.map_offdiag() 將在對角線上顯示每個變數的邊際分佈

g = sns.PairGrid(penguins)
g.map_diag(sns.histplot)
g.map_offdiag(sns.scatterplot)

也可以在圖形的上三角形和下三角形（否則它們是多餘的）使用不同的函數

g = sns.PairGrid(penguins, diag_sharey=False)
g.map_upper(sns.scatterplot)
g.map_lower(sns.kdeplot)
g.map_diag(sns.kdeplot)

或完全避免多餘

g = sns.PairGrid(penguins, diag_sharey=False, corner=True)
g.map_lower(sns.scatterplot)
g.map_diag(sns.kdeplot)

PairGrid 建構函式接受一個 hue 變數。此變數會直接傳遞給理解它的函數

g = sns.PairGrid(penguins, hue="species")
g.map_diag(sns.histplot)
g.map_offdiag(sns.scatterplot)
g.add_legend()

但是您也可以傳遞 matplotlib 函數，在這種情況下，會在內部執行 groupby，並針對每個層級繪製單獨的圖形

g = sns.PairGrid(penguins, hue="species")
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
g.add_legend()

可以在對應函數時直接傳遞資料向量來指派額外的語意變數

g = sns.PairGrid(penguins, hue="species")
g.map_diag(sns.histplot)
g.map_offdiag(sns.scatterplot, size=penguins["sex"])
g.add_legend(title="", adjust_subtitles=True)

當使用 seaborn 函式來實作數值色調映射時，您會希望停用對角軸上變數的映射。請注意，預設情況下，hue 變數會從顯示的變數列表中排除。

g = sns.PairGrid(penguins, hue="body_mass_g")
g.map_diag(sns.histplot, hue=None, color=".3")
g.map_offdiag(sns.scatterplot)
g.add_legend()

可以使用 vars 參數來精確控制要使用的變數。

variables = ["body_mass_g", "bill_length_mm", "flipper_length_mm"]
g = sns.PairGrid(penguins, hue="body_mass_g", vars=variables)
g.map_diag(sns.histplot, hue=None, color=".3")
g.map_offdiag(sns.scatterplot)
g.add_legend()

繪圖不一定要是正方形：可以使用不同的變數來定義列和欄。

x_vars = ["body_mass_g", "bill_length_mm", "bill_depth_mm", "flipper_length_mm"]
y_vars = ["body_mass_g"]
g = sns.PairGrid(penguins, hue="species", x_vars=x_vars, y_vars=y_vars)
g.map_diag(sns.histplot, color=".3")
g.map_offdiag(sns.scatterplot)
g.add_legend()

探索在對角軸上解析多個分佈的不同方法可能很有用。

g = sns.PairGrid(penguins, hue="species")
g.map_diag(sns.histplot, multiple="stack", element="step")
g.map_offdiag(sns.scatterplot)
g.add_legend()

seaborn.PairGrid.__init__#

seaborn.PairGrid.init#