微信公众号原文

系统：Windows 7
语言版本：Anaconda3-4.3.0.1-Windows-x86_64
编辑器：pycharm-community-2016.3.2

• 这个系列讲讲Python的科学计算版块
• 今天讲讲seaborn模块：做几个点的矩阵图

Part 1：示例

1. 已知df_1，有4列["p1", "p2", "p3", "from"]
2. 做出P1、P2、P3三列的相关性图，其实就是两两的散点图，效果如下图
3. 映射实例：有4种样本，每种样本采集5个，合计20个样本。每个样本检测其中3个控制点的数据，对这些数据进行可视化显示，合计数据量20*3=60个

矩阵图

1.png

Part 2：代码

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt

dict_1 = {
          "p1": [0.5, 0.8, 1.0, 1.2, 1.5, 2.5, 0.9, 0.6, 1.3, 1.0,
                 1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 2.2, 1.2, 1.5, 0.5],
          "p2": [1.3, 2.8, 1.3, 1.4, 6.5, 2.5, 0.9, 0.6, 1.3, 1.0,
                 1.3, 1.6, 1.9, 2.5, 4.2, 3.5, 1.2, 1.2, 3.5, 2.5],
          "p3": [2.5, 0.8, 1.3, 1.2, 1.5, 2.8, 1.9, 0.6, 1.3, 1.1,
                 1.3, 1.6, 1.1, 2.5, 4.2, 3.9, 2.2, 1.2, 1.5, 0.5],
          "from": ["sample1", "sample1", "sample1", "sample1", "sample1", 
                   "sample2", "sample2", "sample2", "sample2", "sample2",
                   "sample3", "sample3", "sample3", "sample3", "sample3",
                   "sample4", "sample4", "sample4", "sample4", "sample4"]}


df_1 = pd.DataFrame(dict_1, columns=["p1", "p2", "p3", "from"])

print(df_1)

sns.set(style="ticks", color_codes=True)

g = sns.pairplot(df_1,
                 hue="from",  # 设置颜色列
                 palette="Set1",  # 调色板：husl / Set1
                 markers=["o", "s", "D", "^"],  # 设置标记marker形状
                 vars=["p1", "p2", "p3"])
leg = g._legend
leg.set_bbox_to_anchor([0.5, 0, 0.5, 0.5])

plt.show()

代码截图

2.png

df_1

3.png

Part 3：部分代码解读

g = sns.pairplot(df_1,
                 hue="from",  # 设置颜色列
                 palette="Set1",  # 调色板：husl / Set1
                 markers=["o", "s", "D", "^"],  # 设置标记marker形状
                 vars=["p1", "p2", "p3"])

1. df_1数据源
2. hue设置已哪一列作为颜色的分类
3. palette设置颜色板，可以有多种不同的风格，如设置为 husl,效果如下图
4. markers设置每个数据的标记形状
5. vars设置参与显示的列，如果更改为vars=["p1", "p2"]，效果如下图

husl效果图

4-husl.png

vars=["p1", "p2"]

5-P1P2.png

本文为原创作品，欢迎分享朋友圈

长按图片识别二维码，关注本公众号
Python 优雅 帅气

12x0.8.jpg