矩陣圖即用一張圖繪制多個變量之間的關系，數據挖掘中常用于初期數據探索；
本文介紹python中seaborn.pairplot（傻瓜版）和seaborn.PairGrid（更個性化版）繪制矩陣圖

本文內容速覽

歡迎隨緣關注@pythonic生物人

目錄

1、繪圖數據準備 2、seaborn.pairplot加上分類變量修改調色盤x,y軸方向選取相同子集 x,y軸方向選取不同子集非對角線散點圖加趨勢線 對角線上的四個圖繪制方式只顯示網格下三角圖形 圖形外觀設置 3、seaborn.PairGrid（更靈活的繪制矩陣圖）每個子圖繪制同類型的圖對角線和非對角線分別繪制不同類型圖對角線上方、對角線、對角線下方分別繪制不同類型圖其它一些參數修改

---

1、繪圖數據準備

還是使用鳶尾花iris數據集

#導入本帖要用到的庫，聲明如下： import matplotlib.pyplot as plt import numpy as np import pandas as pd from pandas import Series,DataFrame from sklearn import datasets import seaborn as sns#導入鳶尾花iris數據集（方法一） #該方法更有助于理解數據集 iris=datasets.load_iris() x, y =iris.data,iris.target y_1 = np.array(['setosa' if i==0 else 'versicolor' if i==1 else 'virginica' for i in y]) pd_iris = pd.DataFrame(np.hstack((x, y_1.reshape(150,1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'])#astype修改pd_iris中數據類型object為float64 pd_iris['sepal length(cm)']=pd_iris['sepal length(cm)'].astype('float64') pd_iris['sepal width(cm)']=pd_iris['sepal width(cm)'].astype('float64') pd_iris['petal length(cm)']=pd_iris['petal length(cm)'].astype('float64') pd_iris['petal width(cm)']=pd_iris['petal width(cm)'].astype('float64')#導入鳶尾花iris數據集（方法二） #import seaborn as sns #iris_sns = sns.load_dataset("iris")

數據集簡單統計

---

2、seaborn.pairplot

語法：seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, corner=False, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None, size=None) g = sns.pairplot(pd_iris) g.fig.set_size_inches(12,12)#figure大小 sns.set(style='whitegrid',font_scale=1.5)#文本大小

對角線4張圖是變量自身的分布直方圖；非對角線的 12 張就是某個變量和另一個變量的關系。

• 加上分類變量

g = sns.pairplot(pd_iris,hue='class'#按照三種花分類) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• 修改調色盤

可以使用Matplotlib、seaborn、顏色號list等色盤。可參考：python調色盤

import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,#palettable顏色盤) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

g = sns.pairplot(pd_iris,hue='class',palette='Set1',#Matplotlib顏色) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

g = sns.pairplot(pd_iris,hue='class',palette=['#dc2624', '#2b4750', '#45a0a2'],#使用傳入的顏色list) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• x,y軸方向選取相同子集

import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,vars=['sepal length(cm)','sepal width(cm)'],#x,y軸方向選取相同子集繪圖) sns.set(style='whitegrid') g.fig.set_size_inches(12,6) sns.set(style='whitegrid',font_scale=1.5)

• x,y軸方向選取不同子集

import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,x_vars=['sepal length(cm)','sepal width(cm)'],#x,y軸方向選取不同子集y_vars=['petal length(cm)','petal width(cm)'],) sns.set(style='whitegrid') g.fig.set_size_inches(12,6) sns.set(style='whitegrid',font_scale=1.5)

• 非對角線散點圖加趨勢線

import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,kind='reg',#默認為scatter,reg加上趨勢線 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• 對角線上的四個圖繪制方式

可選參數為‘auto’, ‘hist’（默認）, ‘kde’, None。

import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,diag_kind='hist',#hist直方圖 ) sns.set(style='whitegrid') g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• 只顯示網格下三角圖形

import palettable g = sns.pairplot(pd_iris,hue='class',palette='Set1',corner=True#圖形顯示左下角)g.fig.set_size_inches(12,12) sns.set(font_scale=1.5)

• 圖形外觀設置

import palettable g = sns.pairplot(pd_iris,hue='class',palette='Set1',markers=['$clubsuit,'.','+'],#散點圖的markerplot_kws=dict(s=50, edgecolor="r", linewidth=1),#非對角線上的圖marker大小、外框、外框線寬diag_kws=dict(shade=True)#對角線上核密度圖是否填充) g.fig.set_size_inches(12,12) sns.set(font_scale=1.5)

---

3、seaborn.PairGrid（更靈活的繪制矩陣圖）

seaborn.PairGrid(data, hue=None, hue_order=None, palette=None, hue_kws=None, vars=None, x_vars=None, y_vars=None, corner=False, diag_sharey=True, height=2.5, aspect=1, layout_pad=0, despine=True, dropna=True, size=None)

• 每個子圖繪制同類型的圖

g = sns.PairGrid(pd_iris, hue='class',palette='husl',) g = g.map(plt.scatter)#map每個子圖繪制一樣類型的圖 g = g.add_legend() g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• 對角線和非對角線分別繪制不同類型圖

g = sns.PairGrid(pd_iris, hue='class',palette='Set1',) g = g.map_diag(plt.hist)#對角線繪制直方圖 g = g.map_offdiag(plt.scatter)#非對角線繪制散點圖 g = g.add_legend() g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

• 對角線上方、對角線、對角線下方分別繪制不同類型圖

g = sns.PairGrid(pd_iris, hue='class',) g = g.map_upper(sns.scatterplot) g = g.map_lower(sns.kdeplot, colors="C0") g = g.map_diag(sns.kdeplot, lw=2)3繪制核密度圖 g = g.add_legend()#添加圖例 sns.set(style='whitegrid',font_scale=1.5)

• 其它一些參數修改

g = sns.PairGrid(pd_iris, hue='class',palette='Set1',hue_kws={"marker": ["^", "s", "D"]},#設置markerdiag_sharey=False,) g = g.map_upper(sns.scatterplot,edgecolor="w", s=40)#設置點大小，外框顏色 g = g.map_lower(sns.kdeplot, colors="#01a2d9")#設置下三角圖形顏色 g = g.map_diag(sns.kdeplot, lw=3)#對角圖形顏色 g = g.add_legend()#添加圖例 g.fig.set_size_inches(12,12) sns.set(style='whitegrid',font_scale=1.5)

參考資料：

http://seaborn.pydata.org/generated/seaborn.pairplot.html#seaborn.pairplothttp://seaborn.pydata.org/generated/seaborn.PairGrid.html#seaborn.PairGrid

---

本文結束，歡迎隨緣關注@pythonic生物人

總結

以上是生活随笔為你收集整理的python 树状图可视化_Python可视化25|seaborn矩阵图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。