Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot/PairGrid/FacetGrid折线图/柱状图+散点图/矩形密度图的函数源代码详解之最强攻略
目录
三、矩阵图可视化
1、jointplot函数：2个变量柱状图(外边缘)+散点图(内中心)可视化，在2个垂直的坐标轴上显示
(1)、柱状图+散点图/矩形密度图可视化：尽量都为类别型特征
(2)、柱状图+六边形图/散点线性回归分析图/等高线核密度图/线性回归的残差图可视化
(3)、2个变量直方曲线(外边缘)+密度图(内中心)可视化：必须都为数值型特征(即可离散int可连续float)
2、JointGrid函数：jointplot其实是JoinGrid的一个封装
(1)、2个变量直方曲线(外边缘)+密度图(内中心)可视化：必须都为数值型特征
(2)、2个变量直方曲线(外边缘)+散点图(内中心,可加趋势线)可视化
3、pairplot函数：pairplot比PairGrid慢
(1)、矩阵关系图：所有特征的多图分析，矩阵分布图(自动全部数值型特征)：柱状图(对角线)、散点图
(2)、矩阵分布图(自动全部数值型特征)：折线图(对角线)、散点趋势线图
4、PairGrid函数
(1)、矩阵分布图(手动拆分绘制)：全散点图
(2)、PairGrid函数矩阵分布图(手动拆分绘制)：柱状图(对角线)、散点图
(3)、PairGrid函数矩阵分布图(手动拆分绘制)：折线图/柱状图(对角线)、散点趋势线图、等高线图
5、FacetGrid函数
# 矩阵分布图(手动拆分绘制)：3个类别分组统计
相关文章
Py之seaborn：数据可视化seaborn库的柱状图、箱线图(置信区间图)、散点图/折线图、核密度图/等高线图、盒形图/小提琴图/LV多框图的组合图/矩阵图可视化代码实现集合之详细攻略
Py之seaborn：seaborn库的简介、安装、使用方法之详细攻略
Py之seaborn：数据可视化seaborn库(一)的柱状图、箱线图(置信区间图)、散点图/折线图、核密度图/等高线图、盒形图/小提琴图/LV多框图实现的十二个函数源代码详解之最强攻略(建议收藏)
Py之seaborn：数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图的函数源代码详解之最强攻略(建议收藏)
Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot/PairGrid/FacetGrid密度图等的函数源代码详解之最强攻略
Py之matplotlib-seaborn ：绘图的高级进阶之高级图可视化(基础图(直方图等)，箱线图、密度图、小提琴图等)简介、案例应用之详细攻略
三、矩阵图可视化
1、jointplot函数：2个变量柱状图(外边缘)+散点图(内中心)可视化，在2个垂直的坐标轴上显示
sns.jointplot(x=cols[0],y=cols[1],data=data_frame,kind='scatter', # scatter 散点图、reg 散点线性回归分析图、hist、hex 六角形图、kde 等高线核密度图、resid 线性回归的残差图，尝试测试----------------- # size=7,space=0.2,ratio=5, #大小、间距、布局高度比、)
(1)、柱状图+散点图/矩形密度图可视化：尽量都为类别型特征
(2)、柱状图+六边形图/散点线性回归分析图/等高线核密度图/线性回归的残差图可视化
2个变量必须都为int类型特征
(3)、2个变量直方曲线(外边缘)+密度图(内中心)可视化：必须都为数值型特征(即可离散int可连续float)
2、JointGrid函数：jointplot其实是JoinGrid的一个封装
fig=sns.JointGrid(x=cols[0],y=cols[1],data=data_frame,)
(1)、2个变量直方曲线(外边缘)+密度图(内中心)可视化：必须都为数值型特征
(2)、2个变量直方曲线(外边缘)+散点图(内中心,可加趋势线)可视化
必须都为数值型特征
3、pairplot函数：pairplot比PairGrid慢
sns.pairplot(data_frame,hue=cols[0],# 按照某一字段进行分类kind = 'scatter',# 设置右上，scatter 散点图、reg 散点线性回归分析图diag_kind="hist",# 设置对角线(默认右下)，hist 柱状图、kde 密度图# palette="husl",# 设置调色板# markers=["o", "s", "D"], # 设置不同系列的点样式（这里根据参考分类个数）# size = 2, # 图表大小# plot_kws={'s':20}, # 设置点大小# diag_kws={shade=True,edgecolor='w'}, # 设置对角线柱状图样式)
(1)、矩阵关系图：所有特征的多图分析，矩阵分布图(自动全部数值型特征)：柱状图(对角线)、散点图
(2)、矩阵分布图(自动全部数值型特征)：折线图(对角线)、散点趋势线图
4、PairGrid函数
g1 = sns.PairGrid(data=data_frame, # 创建绘图表格区域hue=class_col,palette="Set2",# 设置调色板# hue_kws={"marker": ["o", "s", "D"]})
(1)、矩阵分布图(手动拆分绘制)：全散点图
(2)、PairGrid函数矩阵分布图(手动拆分绘制)：柱状图(对角线)、散点图
(3)、PairGrid函数矩阵分布图(手动拆分绘制)：折线图/柱状图(对角线)、散点趋势线图、等高线图
5、FacetGrid函数
g = sns.FacetGrid(data=data_frame,col=cols[0], row=cols[1], hue=cols[2], palette='cool',)
# 矩阵分布图(手动拆分绘制)：3个类别分组统计
Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot/PairGrid/FacetGrid密度图等的函数源代码详解之最强攻略
如果觉得《Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot/JointGrid/pairplot》对你有帮助，请点赞、收藏，并留下你的观点哦！
