pairplot(data,hue,palette,x_vars,y_vars,kind,diag_kind,markers,height,aspect,corner,dropna,plot_kws,diag_kws)
参数:
data--要绘制的数据,为DataFrame类型;
hue--取值为data中的列索引,为分组变量,根据不同颜色来区分各个变量;
palette--为seaborn库颜色面板取值或者给出hue中各个类别对应颜色的字典;
x_vars--data中需要用到的索引名组成的横坐标的列表,默认用data中所有的数值型变量;
y_vars--data中需要用到的索引名组成的纵坐标的列表,默认用data中所有的数值型变量;
kind--对角线位置处统计图类型,默认为'scatter'即散点图,也可取值为'kde'、'hist'、'reg';diag_kind--矩阵图中非对角线处的统计图类型,可取值为'kde' (图2所示)'hist'(图3所示)、或None;
markers--hue中各类的散点类型,为列表;
height--每个图的高度,单位为英寸;
aspect--宽高比;
corner--默认为False,设置为True,则仅显示对角线及其下方统计图;
dropna--默认为True,在绘制数据前删除缺失值;
plot_kws--非对角线处统计图的属性设置;
diag_kws--对角线处统计图的属性设置;
import pathlib
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
dataset_p

本文介绍了如何利用Seaborn的pairplot函数对数据进行多维度分布的可视化,包括设置颜色映射、统计图类型、图例、大小等参数。以汽车数据集为例,展示了如何查看训练集中MPG、Cylinders、Displacement和Weight几列的联合分布,通过'kde'图展示数据密度。
最低0.47元/天 解锁文章
7380

被折叠的 条评论
为什么被折叠?



