Seaborn - Grille de paires

PairGrid nous permet de dessiner une grille de sous-tracés en utilisant le même type de tracé pour visualiser les données.

Contrairement à FacetGrid, il utilise différentes paires de variables pour chaque sous-tracé. Il forme une matrice de sous-parcelles. Elle est aussi parfois appelée «matrice de nuage de points».

L'utilisation de pairgrid est similaire à facetgrid. Initialisez d'abord la grille, puis passez la fonction de traçage.

Exemple

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map(plt.scatter);
plt.show()

Il est également possible de tracer une fonction différente sur la diagonale pour montrer la distribution univariée de la variable dans chaque colonne.

Exemple

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

Production

Nous pouvons personnaliser la couleur de ces graphiques en utilisant une autre variable catégorielle. Par exemple, l'ensemble de données sur l'iris comporte quatre mesures pour chacune des trois espèces différentes de fleurs d'iris afin que vous puissiez voir en quoi elles diffèrent.

Exemple

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter);
plt.show()

Production

Nous pouvons utiliser une fonction différente dans les triangles supérieur et inférieur pour voir différents aspects de la relation.

Exemple

import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
df = sb.load_dataset('iris')
g = sb.PairGrid(df)
g.map_upper(plt.scatter)
g.map_lower(sb.kdeplot, cmap = "Blues_d")
g.map_diag(sb.kdeplot, lw = 3, legend = False);
plt.show()

Production