快捷導(dǎo)航

Python+seaborn實(shí)現(xiàn)聯(lián)合分布圖的繪制

更新時(shí)間：2023年02月17日 14:51:14 作者：瘋狂學(xué)習(xí)GIS

聯(lián)合分布（Joint Distribution）圖是一種查看兩個(gè)或兩個(gè)以上變量之間兩兩相互關(guān)系的可視化圖，在數(shù)據(jù)分析操作中經(jīng)常需要用到。本文將通過(guò)seaborn實(shí)現(xiàn)繪制聯(lián)合分布圖，需要的可以參考一下

本文介紹基于Python中seaborn模塊，實(shí)現(xiàn)聯(lián)合分布圖繪制的方法。

聯(lián)合分布（Joint Distribution）圖是一種查看兩個(gè)或兩個(gè)以上變量之間兩兩相互關(guān)系的可視化圖，在數(shù)據(jù)分析操作中經(jīng)常需要用到。一幅好看的聯(lián)合分布圖可以使得我們的數(shù)據(jù)分析更加具有可視性，讓大家眼前一亮。

那么，本文就將用seaborn來(lái)實(shí)現(xiàn)聯(lián)合分布圖的繪制。seaborn是一個(gè)基于matplotlib的Python數(shù)據(jù)可視化模塊，借助于其，我們可以通過(guò)較為簡(jiǎn)單的操作，繪制出各類(lèi)動(dòng)人的圖片。

首先，引入需要的模塊。

import pandas as pd
import seaborn as sns

接下來(lái)，將存儲(chǔ)有我們需要繪制聯(lián)合分布圖數(shù)據(jù)的文件導(dǎo)入。因?yàn)槲沂菍?shù)據(jù)存儲(chǔ)于.csv文件，所以我這里用pd.read_csv來(lái)實(shí)現(xiàn)數(shù)據(jù)的導(dǎo)入。我的數(shù)據(jù)在.csv文件中長(zhǎng)如下圖的樣子，其中共有107行，包括106行樣本加1行列標(biāo)題；以及10列。我們就看前幾行即可：

導(dǎo)入數(shù)據(jù)的代碼如下：

data_path="G:/black_carbon_paper/97_BC20201230/00_Original/AllData5Factor.csv"
column_names=['FID','ID','X','Y','BC','Temp','Slope','RoDen','POI','GAIA']

my_data=pd.read_csv(data_path,names=column_names,header=0)

其中，data_path是.csv文件存儲(chǔ)位置與文件名，column_names是導(dǎo)入的數(shù)據(jù)在Python中我希望其顯示的名字（為什么原始數(shù)據(jù)本來(lái)就有列標(biāo)題但還要再設(shè)置這個(gè)column_names，本文下方有介紹）；header=0表示.csv文件中的0行（也就是我們一般而言的第一行）是列標(biāo)題；如果大家的初始數(shù)據(jù)沒(méi)有列標(biāo)題，即其中的第一行就是數(shù)據(jù)自身，那么就需要設(shè)置header=None。

執(zhí)行上述代碼，我們將導(dǎo)入的數(shù)據(jù)打印，看看在Python中其長(zhǎng)什么樣子。

print(my_data)

可以看到，導(dǎo)入Python后數(shù)據(jù)的第7列，原本叫做Slope_1，但是設(shè)置我們自己命名的column_names后，其就將原本數(shù)據(jù)的列標(biāo)題改為我們自己設(shè)定的標(biāo)題Slope了。如果我們不設(shè)置column_names，導(dǎo)入的數(shù)據(jù)就是這個(gè)樣子：

可以看到，我們不用column_names的話，數(shù)據(jù)導(dǎo)入Python后列名就是原始的Slope_1。

我們繼續(xù)。其實(shí)用seaborn繪制聯(lián)合分布圖非常簡(jiǎn)單（這就是seaborn對(duì)matplotlib改進(jìn)，讓我們繪制復(fù)雜的圖時(shí)候不需要太麻煩），僅僅只有一下兩句代碼：

joint_columns=['BC','Temp','Slope','RoDen','POI','GAIA']

sns.pairplot(my_data[joint_columns],kind='reg',diag_kind='kde')

其中，第一句是定義我們想要參與繪制聯(lián)合分布圖的列，將需要繪圖的列標(biāo)題放入joint_column?？梢钥吹?，因?yàn)槲业臄?shù)據(jù)中，具有ID這種編號(hào)列，而肯定編號(hào)是不需要參與繪圖的，那么我們就不將其放入joint_column即可。

第二句就是繪圖。kind表示聯(lián)合分布圖中非對(duì)角線圖的類(lèi)型，可選'reg'與'scatter'、'kde'、'hist'，'reg'代表在圖片中加入一條擬合直線，'scatter'就是不加入這條直線,'kde'是等高線的形式，'hist'就是類(lèi)似于柵格地圖的形式；diag_kind表示聯(lián)合分布圖中對(duì)角線圖的類(lèi)型，可選'hist'與'kde'，'hist'代表直方圖，'kde'代表直方圖曲線化。

以kind和diag_kind分別選擇'reg'和'kde'為例，繪圖結(jié)果如下：

以kind和diag_kind分別選擇'scatter'和'hist'為例，繪圖結(jié)果如下：

個(gè)人感覺(jué)第一幅圖好看些~

不過(guò)，由于參與繪圖的變量個(gè)數(shù)比較多，因此使得圖中的字體有點(diǎn)看不清?？梢约由弦痪浯a在sns.pairplot這句代碼的上面：

sns.set(font_scale=1.2)

其中，font_scale就是字體的大小，后面的數(shù)字越大，字體就越大。以font_scale=1.2為例，讓我們看看效果：

這樣子字體就大了~

到此這篇關(guān)于Python+seaborn實(shí)現(xiàn)聯(lián)合分布圖的繪制的文章就介紹到這了,更多相關(guān)Python seaborn聯(lián)合分布圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: