seaborn learn¶
In [2]:
Copied!
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_style('white')
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_style('white')
In [3]:
Copied!
#导入seaborn自带iris数据集
iris=sns.load_dataset("iris")
iris.head()
# 导入 seaborn 自带 iris 数据集
iris=sns.load_dataset("iris")
iris.head()
Out[3]:
| sepal_length | sepal_width | petal_length | petal_width | species | |
|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | setosa |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | setosa |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | setosa |
| 3 | 4.6 | 3.1 | 1.5 | 0.2 | setosa |
| 4 | 5.0 | 3.6 | 1.4 | 0.2 | setosa |
pairplot¶
In [8]:
Copied!
# # 如果希望同时绘制曲线图和直方图，可以使用 map_diag() 和 map_offdiag() 方法：
# g = sns.PairGrid(iris)
# # 在对角线上绘制直方图和 KDE 图
# g.map_diag(lambda x, **kwargs: sns.histplot(x, kde=True, **kwargs))
# # # 在上三角和下三角绘制散点图
# g.map_offdiag(sns.scatterplot)
sns.pairplot(iris, kind="scatter", diag_kind="kde", hue="species", plot_kws=dict(size=60, alpha=0.8)) # size and transparency of points
# # 如果希望同时绘制曲线图和直方图，可以使用 map_diag() 和 map_offdiag() 方法：
# g = sns.PairGrid(iris)
# # 在对角线上绘制直方图和 KDE 图
# g.map_diag(lambda x, **kwargs: sns.histplot(x, kde=True, **kwargs))
# # # 在上三角和下三角绘制散点图
# g.map_offdiag(sns.scatterplot)
sns.pairplot(iris, kind="scatter", diag_kind="kde", hue="species", plot_kws=dict(size=60, alpha=0.8)) # size and transparency of points
Out[8]:
<seaborn.axisgrid.PairGrid at 0x7fa189096a30>
In [7]:
Copied!
# sns.pairplot(iris, vars=['sepal_length', "petal_length"], hue="species")
sns.pairplot(iris, x_vars=["sepal_length", "sepal_width"], y_vars=["petal_length", "petal_width"], hue="species")
# sns.pairplot(iris, vars=['sepal_length', "petal_length"], hue="species")
sns.pairplot(iris, x_vars=["sepal_length", "sepal_width"], y_vars=["petal_length", "petal_width"], hue="species")
Out[7]:
<seaborn.axisgrid.PairGrid at 0x7fa18917bf10>
