Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Gráfico de Pares | Visualización con Seaborn
Visualización Definitiva con Python

bookGráfico de Pares

Note
Definición

Pair plot se utiliza para graficar relaciones por pares entre las variables numéricas de un conjunto de datos. Es bastante similar a un joint plot, sin embargo, no se limita solo a dos variables. De hecho, un pair plot crea una cuadrícula de NxN de objetos Axes (múltiples subgráficas), donde N es el número de variables numéricas (columnas numéricas en un DataFrame).

Ejemplo de pair plot

Descripción del Pair Plot

En un pair plot, cada columna comparte la misma variable en el eje x, y cada fila comparte la misma variable en el eje y. La diagonal muestra histogramas de variables individuales, mientras que los otros gráficos muestran diagramas de dispersión.

Creación de un Pair Plot

La creación de un pair plot con seaborn consiste en llamar a su función pairplot(). Su parámetro más importante y el único requerido es data, que debe ser un objeto DataFrame.

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()
copy

El DataFrame iris_df se pasa a la función pairplot(). Los parámetros height y aspect definen la altura y el ancho (calculado como altura multiplicada por aspect) de cada faceta en pulgadas.

Hue

Otro parámetro que merece ser mencionado es hue, que especifica la variable (nombre de la columna) en data para asignar aspectos del gráfico a diferentes colores o incluso crear gráficos separados (en un solo Axes) para cada uno de sus valores.

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()
copy

La diferencia es claramente visible aquí. Los puntos de datos en cada diagrama de dispersión están coloreados según la especie a la que pertenecen, utilizando los valores de la columna species. Los gráficos diagonales ahora son gráficos KDE para cada especie en lugar de histogramas.

En problemas de clasificación, a menudo resulta útil crear un pair plot con el parámetro hue establecido en la variable objetivo, que es la variable categórica que se desea predecir.


La diferencia es clara. Los puntos de datos en cada diagrama de dispersión están coloreados de acuerdo con su especie, basándose en los valores de la columna species. Los gráficos diagonales han sido reemplazados por gráficos KDE para cada especie en lugar de histogramas.

En tareas de clasificación, suele ser útil crear un pair plot con el parámetro hue configurado en la variable objetivo — la variable categórica que se va a predecir —.

Cambiando los Tipos de Gráficos

Es posible modificar el tipo de gráficos utilizados en lugar de los gráficos de dispersión predeterminados, así como los gráficos que se muestran en la diagonal. El parámetro kind controla los gráficos principales y, por defecto, utiliza gráficos de dispersión, mientras que el parámetro diag_kind controla los gráficos diagonales y se selecciona automáticamente según si se establece el parámetro hue.

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()
copy

'scatter', 'kde', 'hist', 'reg' son valores posibles para el parámetro kind.

diag_kind puede establecerse en uno de los siguientes valores:

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

Todo es similar a la función jointplot() en este aspecto.

Note
Estudiar más
Tarea

Swipe to start coding

  1. Utilizar la función correcta para crear un pair plot.
  2. Establecer los datos del gráfico como penguins_df mediante el primer argumento.
  3. Definir 'sex' como la columna que asignará los aspectos del gráfico a diferentes colores especificando el segundo argumento.
  4. Configurar los gráficos no diagonales para que incluyan una línea de regresión ('reg') mediante el tercer argumento.
  5. Establecer height en 2.
  6. Establecer aspect en 0.8.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 6
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

What other parameters can I use with the pairplot() function?

Can you explain the difference between 'kind' and 'diag_kind' in more detail?

How do I interpret the KDE plots on the diagonal?

close

Awesome!

Completion rate improved to 3.85

bookGráfico de Pares

Desliza para mostrar el menú

Note
Definición

Pair plot se utiliza para graficar relaciones por pares entre las variables numéricas de un conjunto de datos. Es bastante similar a un joint plot, sin embargo, no se limita solo a dos variables. De hecho, un pair plot crea una cuadrícula de NxN de objetos Axes (múltiples subgráficas), donde N es el número de variables numéricas (columnas numéricas en un DataFrame).

Ejemplo de pair plot

Descripción del Pair Plot

En un pair plot, cada columna comparte la misma variable en el eje x, y cada fila comparte la misma variable en el eje y. La diagonal muestra histogramas de variables individuales, mientras que los otros gráficos muestran diagramas de dispersión.

Creación de un Pair Plot

La creación de un pair plot con seaborn consiste en llamar a su función pairplot(). Su parámetro más importante y el único requerido es data, que debe ser un objeto DataFrame.

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()
copy

El DataFrame iris_df se pasa a la función pairplot(). Los parámetros height y aspect definen la altura y el ancho (calculado como altura multiplicada por aspect) de cada faceta en pulgadas.

Hue

Otro parámetro que merece ser mencionado es hue, que especifica la variable (nombre de la columna) en data para asignar aspectos del gráfico a diferentes colores o incluso crear gráficos separados (en un solo Axes) para cada uno de sus valores.

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()
copy

La diferencia es claramente visible aquí. Los puntos de datos en cada diagrama de dispersión están coloreados según la especie a la que pertenecen, utilizando los valores de la columna species. Los gráficos diagonales ahora son gráficos KDE para cada especie en lugar de histogramas.

En problemas de clasificación, a menudo resulta útil crear un pair plot con el parámetro hue establecido en la variable objetivo, que es la variable categórica que se desea predecir.


La diferencia es clara. Los puntos de datos en cada diagrama de dispersión están coloreados de acuerdo con su especie, basándose en los valores de la columna species. Los gráficos diagonales han sido reemplazados por gráficos KDE para cada especie en lugar de histogramas.

En tareas de clasificación, suele ser útil crear un pair plot con el parámetro hue configurado en la variable objetivo — la variable categórica que se va a predecir —.

Cambiando los Tipos de Gráficos

Es posible modificar el tipo de gráficos utilizados en lugar de los gráficos de dispersión predeterminados, así como los gráficos que se muestran en la diagonal. El parámetro kind controla los gráficos principales y, por defecto, utiliza gráficos de dispersión, mientras que el parámetro diag_kind controla los gráficos diagonales y se selecciona automáticamente según si se establece el parámetro hue.

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()
copy

'scatter', 'kde', 'hist', 'reg' son valores posibles para el parámetro kind.

diag_kind puede establecerse en uno de los siguientes valores:

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

Todo es similar a la función jointplot() en este aspecto.

Note
Estudiar más
Tarea

Swipe to start coding

  1. Utilizar la función correcta para crear un pair plot.
  2. Establecer los datos del gráfico como penguins_df mediante el primer argumento.
  3. Definir 'sex' como la columna que asignará los aspectos del gráfico a diferentes colores especificando el segundo argumento.
  4. Configurar los gráficos no diagonales para que incluyan una línea de regresión ('reg') mediante el tercer argumento.
  5. Establecer height en 2.
  6. Establecer aspect en 0.8.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 6
single

single

some-alt