python seaborn 散点图矩阵_初学pandas与seaborn（六）制作散点图矩阵 用python

散点矩阵图（也称SPLOM，或Scatterplot

Matrix）用于粗略展现N列数据中，不同列之间的关系，可以粗略估计哪些变量是正相关的，哪些是负相关的，进而为下一步数据分析提供决策。许多统计语言里面都有非常方便的函数生成散点矩阵图，比如说R。那么Python语言有没有呢？答案还是seaborn图形库。

其实seaborn库生成的散点矩阵图不是常规的散点矩阵图，其斜对角标注的不是列名，而是该列的概率密度分布图。这倒无妨，我们依然可以通过整个矩阵图进行分析判断。我们来看代码：

import seaborn as sns

iris = sns.load_dataset("iris") #

这里的iris不是某个文件，而是seaborn自带的展示用数据集

sns.pairplot(iris);

sns.plt.show()

如果数据量特别大，那么全部用散点表示会非常卡。我们应该用等高线表示，这样不会那么窘迫：

import seaborn as sns

iris = sns.load_dataset("iris") #

这里的iris不是某个文件，而是seaborn自带的展示用数据集

g = sns.PairGrid(iris)

g.map_diag(sns.kdeplot)

g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6);

sns.plt.show()

当需要从外部导入数据的时候，我们用pandas来导入：

# encoding:utf-8

import seaborn as sns

import pandas as pd

tips = pd.read_csv("winequality-white.txt")

# tips2 = tips[[0, 1, 2, 5]]

# 选取其中个别列来表示散点矩阵图

g = sns.PairGrid(tips)

g.map_diag(sns.kdeplot)

g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=3)

sns.plt.show()