矩阵图即用一张图绘制多个变量之间的关系，数据挖掘中常用于初期数据探索；本文介绍python中seaborn.pairplot（傻瓜版）和seaborn.PairGrid（更个性化版）绘制矩阵图
本文内容速览
欢迎随缘关注@pythonic生物人
目录
1、绘图数据准备2、seaborn.pairplot加上分类变量修改调色盘x,y轴方向选取相同子集 x,y轴方向选取不同子集非对角线散点图加趋势线 对角线上的四个图绘制方式只显示网格下三角图形 图形外观设置 3、seaborn.PairGrid（更灵活的绘制矩阵图）每个子图绘制同类型的图对角线和非对角线分别绘制不同类型图对角线上方、对角线、对角线下方分别绘制不同类型图其它一些参数修改
1、绘图数据准备
还是使用鸢尾花iris数据集
#导入本帖要用到的库，声明如下：import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom pandas import Series,DataFramefrom sklearn import datasetsimport seaborn as sns#导入鸢尾花iris数据集（方法一）#该方法更有助于理解数据集iris=datasets.load_iris()x, y =iris.data,iris.targety_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中数据类型object为float64pd_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')#导入鸢尾花iris数据集（方法二）#import seaborn as sns#iris_sns = sns.load_dataset("iris")
数据集简单统计
2、seaborn.pairplot
语法：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
对角线4张图是变量自身的分布直方图；非对角线的 12 张就是某个变量和另一个变量的关系。
加上分类变量
g = sns.pairplot(pd_iris,hue='class'#按照三种花分类)sns.set(style='whitegrid')g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
修改调色盘
可以使用Matplotlib、seaborn、颜色号list等色盘。可参考：python调色盘
import palettable g = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,#palettable颜色盘)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颜色)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'],#使用传入的颜色list)sns.set(style='whitegrid')g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
x,y轴方向选取相同子集
import palettableg = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,vars=['sepal length(cm)','sepal width(cm)'],#x,y轴方向选取相同子集绘图)sns.set(style='whitegrid')g.fig.set_size_inches(12,6)sns.set(style='whitegrid',font_scale=1.5)
x,y轴方向选取不同子集
import palettableg = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,x_vars=['sepal length(cm)','sepal width(cm)'],#x,y轴方向选取不同子集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)
非对角线散点图加趋势线
import palettableg = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,kind='reg',#默认为scatter,reg加上趋势线 )sns.set(style='whitegrid')g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
对角线上的四个图绘制方式
可选参数为‘auto’, ‘hist’（默认）, ‘kde’, None。
import palettableg = sns.pairplot(pd_iris,hue='class',palette=palettable.cartocolors.qualitative.Bold_9.mpl_colors,diag_kind='hist',#hist直方图)sns.set(style='whitegrid')g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
只显示网格下三角图形
import palettableg = sns.pairplot(pd_iris,hue='class',palette='Set1',corner=True#图形显示左下角)g.fig.set_size_inches(12,12)sns.set(font_scale=1.5)
图形外观设置
import palettableg = sns.pairplot(pd_iris,hue='class',palette='Set1',markers=['$clubsuit,'.','+'],#散点图的markerplot_kws=dict(s=50, edgecolor="r", linewidth=1),#非对角线上的图marker大小、外框、外框线宽diag_kws=dict(shade=True)#对角线上核密度图是否填充)g.fig.set_size_inches(12,12)sns.set(font_scale=1.5)
3、seaborn.PairGrid（更灵活的绘制矩阵图）
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)每个子图绘制同类型的图
g = sns.PairGrid(pd_iris, hue='class',palette='husl',)g = g.map(plt.scatter)#map每个子图绘制一样类型的图g = g.add_legend()g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
对角线和非对角线分别绘制不同类型图
g = sns.PairGrid(pd_iris, hue='class',palette='Set1',)g = g.map_diag(plt.hist)#对角线绘制直方图g = g.map_offdiag(plt.scatter)#非对角线绘制散点图g = g.add_legend()g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
对角线上方、对角线、对角线下方分别绘制不同类型图
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绘制核密度图g = g.add_legend()#添加图例sns.set(style='whitegrid',font_scale=1.5)
其它一些参数修改
g = sns.PairGrid(pd_iris, hue='class',palette='Set1',hue_kws={"marker": ["^", "s", "D"]},#设置markerdiag_sharey=False,)g = g.map_upper(sns.scatterplot,edgecolor="w", s=40)#设置点大小，外框颜色g = g.map_lower(sns.kdeplot, colors="#01a2d9")#设置下三角图形颜色g = g.map_diag(sns.kdeplot, lw=3)#对角图形颜色g = g.add_legend()#添加图例g.fig.set_size_inches(12,12)sns.set(style='whitegrid',font_scale=1.5)
参考资料：
/generated/seaborn.pairplot.html#seaborn.pairplot/generated/seaborn.PairGrid.html#seaborn.PairGrid
本文结束，欢迎随缘关注@pythonic生物人
