Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法

红太狼 2022-11-01 15:59 20阅读 0赞

Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法之最强攻略(建议收藏)

**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：seaborn库的简介、安装、使用方法之详细攻略][Py_seaborn_seaborn]  
[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多框图的简介、使用方法之最强攻略(建议收藏)][Py_seaborn_seaborn_LV]  
[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/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)][Py_seaborn_seaborn 1]  
[Py之seaborn：数据可视化seaborn库(三)的矩阵图可视化之jointplot函数、JointGrid函数、pairplot函数、PairGrid函数、FacetGrid函数的简介、使用方法之最强攻略(建议收藏)][Py_seaborn_seaborn_jointplot_JointGrid_pairplot_PairGrid_FacetGrid]

# **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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 1][]

### **(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

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 4][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 5][]

### **(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)** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 6][]

## **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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 7][]

### **(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

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 8][]

## **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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 9][]

### **(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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 10][]

## **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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 11][]

### **(2)、PairGrid函数矩阵分布图(手动拆分绘制)：柱状图(对角线)、散点图** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 12][]

### **(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** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 13][]

## **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 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 14][]

[Py_seaborn_seaborn]: https://blog.csdn.net/qq_41185868/article/details/80217906?ops_request_misc=%25257B%252522request%25255Fid%252522%25253A%252522161200180616780261962969%252522%25252C%252522scm%252522%25253A%25252220140713.130102334.pc%25255Fblog.%252522%25257D&request_id=161200180616780261962969&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_v2~rank_v29-1-80217906.pc_v2_rank_blog_default&utm_term=Seaborn
[Py_seaborn_seaborn_LV]: https://yunyaniu.blog.csdn.net/article/details/113444075
[Py_seaborn_seaborn 1]: https://yunyaniu.blog.csdn.net/article/details/114041180
[Py_seaborn_seaborn_jointplot_JointGrid_pairplot_PairGrid_FacetGrid]: https://yunyaniu.blog.csdn.net/article/details/114041840
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70]: /images/20221024/20b4cc855e2543b5a06fe3a92f4d74e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 1]: /images/20221024/e61cc4c2dd254e53a67604283b57fd9e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 2]: /images/20221024/1184b23ed87f4fc9a6c78c3475f6d640.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 3]: /images/20221024/9eff4a2ba36d4980b65c56c06627d16d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 4]: /images/20221024/6525cd78a360447f9daf64a3fe5771ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 5]: /images/20221024/a616b66471f14127b3f8d2812af50098.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 6]: /images/20221024/ec7b184dad654a0dbc64f74d328c13e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 7]: /images/20221024/bdb9210918a743b3a092412a327b5366.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 8]: /images/20221024/e0c6f46b617248b4a5ebe8c7fadf433f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 9]: /images/20221024/7bb8aacecb494ae39dd7f56ad4b52447.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 10]: /images/20221024/9e7c166f4921470d9d6632e87b447bab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 11]: /images/20221024/2550753c848542da80e7089f828d1776.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 12]: /images/20221024/c642dc3c373f48bbb544693d0a3bde5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 13]: /images/20221024/7a42a821a417417fb343fac8887051e8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70 14]: /images/20221024/959377db4c3a4f59a5acd2f350c3f867.png