Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Impara Pair Plot | Visualizzazione con Seaborn
Visualizzazione Definitiva con Python

Scorri per mostrare il menu

book
Pair Plot

Note
Definizione

Pair plot viene utilizzato per rappresentare graficamente le relazioni a coppie tra le variabili numeriche in un dataset. È molto simile a un joint plot, tuttavia non è limitato a sole due variabili. Infatti, un pair plot crea una griglia NxN di oggetti Axes (più sottotrame), dove N è il numero di variabili numeriche (colonne numeriche in un DataFrame).

Descrizione del Pair Plot

In un pair plot, ogni colonna condivide la stessa variabile sull'asse x, e ogni riga condivide la stessa variabile sull'asse y. La diagonale mostra gli istogrammi delle singole variabili, mentre gli altri grafici visualizzano scatter plot.

Creazione di un Pair Plot

La creazione di un pair plot con seaborn consiste semplicemente nell'invocare la funzione pairplot(). Il suo parametro più importante e l'unico obbligatorio è data, che deve essere un oggetto 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

Il DataFrame iris_df viene passato alla funzione pairplot(). I parametri height e aspect definiscono rispettivamente l'altezza e la larghezza (calcolata come altezza moltiplicata per aspect) di ciascun riquadro in pollici.

Hue

Un altro parametro degno di nota è hue, che specifica la variabile (nome della colonna) in data da associare a colori differenti o persino per creare grafici separati (sullo stesso Axes) per ciascuno dei suoi valori.


              
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

Qui la differenza è chiaramente visibile. I punti dati in ogni scatter plot sono colorati in base alla specie di appartenenza, utilizzando i valori della colonna species. I grafici diagonali ora sono grafici KDE per ciascuna specie invece che istogrammi.

Nei problemi di classificazione, spesso è utile creare un pair plot impostando il parametro hue sulla variabile target, ovvero la variabile categorica che si desidera prevedere.

La differenza è evidente. I punti dati in ogni scatter plot sono colorati in base alla loro specie, secondo i valori nella colonna species. I grafici diagonali sono stati sostituiti da grafici KDE per ciascuna specie invece che da istogrammi.

Nei compiti di classificazione, è spesso utile creare un pair plot con il parametro hue impostato sulla variabile target — la variabile categorica da prevedere.

Modifica dei tipi di grafico

È possibile modificare il tipo di grafici utilizzati al posto degli scatter plot predefiniti, così come i grafici mostrati sulla diagonale. Il parametro kind controlla i grafici principali e per impostazione predefinita utilizza scatter plot, mentre il parametro diag_kind controlla i grafici diagonali ed è selezionato automaticamente in base alla presenza del parametro 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' sono valori possibili per il parametro kind.

diag_kind può essere impostato su uno dei seguenti valori:

  • 'auto';

  • 'hist';

  • 'kde';

  • None.

Tutto è analogo alla funzione jointplot() sotto questo aspetto.

Note
Approfondisci

Approfondisci nella documentazione di pairplot().

Compito

Swipe to start coding

  1. Utilizzare la funzione corretta per creare un pair plot.
  2. Impostare i dati del grafico su penguins_df tramite il primo argomento.
  3. Impostare 'sex' come colonna per mappare gli aspetti del grafico su colori diversi specificando il secondo argomento.
  4. Impostare i grafici non diagonali per includere una linea di regressione ('reg') specificando il terzo argomento.
  5. Impostare height a 2.
  6. Impostare aspect a 0.8.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 6
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

close

Awesome!

Completion rate improved to 3.85

book
Pair Plot

Note
Definizione

Pair plot viene utilizzato per rappresentare graficamente le relazioni a coppie tra le variabili numeriche in un dataset. È molto simile a un joint plot, tuttavia non è limitato a sole due variabili. Infatti, un pair plot crea una griglia NxN di oggetti Axes (più sottotrame), dove N è il numero di variabili numeriche (colonne numeriche in un DataFrame).

Descrizione del Pair Plot

In un pair plot, ogni colonna condivide la stessa variabile sull'asse x, e ogni riga condivide la stessa variabile sull'asse y. La diagonale mostra gli istogrammi delle singole variabili, mentre gli altri grafici visualizzano scatter plot.

Creazione di un Pair Plot

La creazione di un pair plot con seaborn consiste semplicemente nell'invocare la funzione pairplot(). Il suo parametro più importante e l'unico obbligatorio è data, che deve essere un oggetto 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

Il DataFrame iris_df viene passato alla funzione pairplot(). I parametri height e aspect definiscono rispettivamente l'altezza e la larghezza (calcolata come altezza moltiplicata per aspect) di ciascun riquadro in pollici.

Hue

Un altro parametro degno di nota è hue, che specifica la variabile (nome della colonna) in data da associare a colori differenti o persino per creare grafici separati (sullo stesso Axes) per ciascuno dei suoi valori.


              
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

Qui la differenza è chiaramente visibile. I punti dati in ogni scatter plot sono colorati in base alla specie di appartenenza, utilizzando i valori della colonna species. I grafici diagonali ora sono grafici KDE per ciascuna specie invece che istogrammi.

Nei problemi di classificazione, spesso è utile creare un pair plot impostando il parametro hue sulla variabile target, ovvero la variabile categorica che si desidera prevedere.

La differenza è evidente. I punti dati in ogni scatter plot sono colorati in base alla loro specie, secondo i valori nella colonna species. I grafici diagonali sono stati sostituiti da grafici KDE per ciascuna specie invece che da istogrammi.

Nei compiti di classificazione, è spesso utile creare un pair plot con il parametro hue impostato sulla variabile target — la variabile categorica da prevedere.

Modifica dei tipi di grafico

È possibile modificare il tipo di grafici utilizzati al posto degli scatter plot predefiniti, così come i grafici mostrati sulla diagonale. Il parametro kind controlla i grafici principali e per impostazione predefinita utilizza scatter plot, mentre il parametro diag_kind controlla i grafici diagonali ed è selezionato automaticamente in base alla presenza del parametro 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' sono valori possibili per il parametro kind.

diag_kind può essere impostato su uno dei seguenti valori:

  • 'auto';

  • 'hist';

  • 'kde';

  • None.

Tutto è analogo alla funzione jointplot() sotto questo aspetto.

Note
Approfondisci

Approfondisci nella documentazione di pairplot().

Compito

Swipe to start coding

  1. Utilizzare la funzione corretta per creare un pair plot.
  2. Impostare i dati del grafico su penguins_df tramite il primo argomento.
  3. Impostare 'sex' come colonna per mappare gli aspetti del grafico su colori diversi specificando il secondo argomento.
  4. Impostare i grafici non diagonali per includere una linea di regressione ('reg') specificando il terzo argomento.
  5. Impostare height a 2.
  6. Impostare aspect a 0.8.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

close

Awesome!

Completion rate improved to 3.85

Scorri per mostrare il menu

some-alt