Lernen Paar-Diagramm | Visualisierung Mit Seaborn

Definition

Ein Pair Plot visualisiert paarweise Beziehungen zwischen allen numerischen Variablen in einem Datensatz. Im Gegensatz zu einem Joint Plot ist er nicht auf zwei Variablen beschränkt. Es wird ein N×N-Raster von Unterdiagrammen erstellt, wobei N die Anzahl der numerischen Spalten im DataFrame ist.

Beschreibung des Pair Plots

Jede Spalte im Raster teilt sich die gleiche x-Achsen-Variable, und jede Zeile die gleiche y-Achsen-Variable. Die Diagonale zeigt Histogramme der einzelnen Variablen, während die Zellen außerhalb der Diagonale Streudiagramme darstellen.

Erstellung eines Pair Plots

Ein Pair Plot kann mit seaborn.pairplot() erstellt werden. Das einzige erforderliche Argument ist data, das ein DataFrame sein muss. Parameter wie height und aspect legen die Größe (in Zoll) jedes Teilplots fest.


              12345678910
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris species
iris_df = sns.load_dataset('iris')

# Creating a pair plot
sns.pairplot(iris_df, height=2, aspect=0.8)

plt.show()

Hue

Der Parameter hue weist Farben basierend auf einer angegebenen kategorialen Spalte zu. Dies hebt Gruppenunterschiede hervor und zeigt bei Klassifikationsdatensätzen, wie sich Klassen über Variablenpaare hinweg trennen.

Wenn hue gesetzt ist (z. B. auf species), färben die Streudiagramme die Punkte nach Klasse, und die Diagonalplots wechseln von Histogrammen zu KDE-Plots, wodurch die Klassenverteilungen deutlicher werden.


              1234567891011121314
            
import seaborn as sns
import matplotlib.pyplot as plt

# Ignoring warnings
import warnings
warnings.filterwarnings('ignore')

# Loading the dataset with data about three different iris species
iris_df = sns.load_dataset('iris')

# Setting the hue parameter to 'species'
sns.pairplot(iris_df, hue='species', height=2, aspect=0.8)

plt.show()

Ändern der Plot-Typen

Sowohl die Haupt- als auch die Diagonalplots können angepasst werden.

kind steuert die Plots außerhalb der Diagonalen (Standard: 'scatter');
diag_kind steuert die Diagonale (Histogramm oder KDE, wird häufig automatisch gewählt, wenn hue verwendet wird).


              12345678910
            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris species
iris_df = sns.load_dataset('iris')

# Setting the kind parameter and diag_kind parameters
sns.pairplot(iris_df, hue='species', kind='reg', diag_kind=None, height=2, aspect=0.8)

plt.show()

'scatter', 'kde', 'hist', 'reg' sind mögliche Werte für den Parameter kind.

diag_kind kann auf einen der folgenden Werte gesetzt werden:

'auto';
'hist';
'kde';
None.

Alles ist in dieser Hinsicht ähnlich wie bei der Funktion jointplot().

Mehr erfahren

Weitere Informationen finden Sie in der pairplot() Dokumentation.

Aufgabe

Swipe to start coding

Die korrekte Funktion zur Erstellung eines Pair Plots verwenden.
Die Daten für das Diagramm über das erste Argument auf penguins_df setzen.
Die Spalte 'sex' als Kriterium für die farbliche Unterscheidung der Diagrammaspekte über das zweite Argument festlegen.
Für die nicht-diagonalen Plots eine Regressionslinie ('reg') über das dritte Argument einstellen.
height auf 2 setzen.
aspect auf 0.8 setzen.

Lösung

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 6

single

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

What does the `aspect` parameter do in `pairplot()`?

Can you explain the difference between `hist` and `kde` on the diagonal?

How does using `hue` affect the appearance of the pair plot?

Awesome!

Completion rate improved to 3.85

Swipe um das Menü anzuzeigen