### 使用 Seaborn 库绘制散点图矩阵 Seaborn 是基于 Matplotlib 的高级可视化工具包，提供了简洁而强大的接口来创建复杂的统计图形。对于绘制散点图矩阵的任务，可以使用 `sns.pairplot()` 或者更灵活的 `sns.PairGrid()` 函数。 --- #### 1. 使用 `sns.pairplot()` `sns.pairplot()` 是一种快速简便的方法，用于生成数据集中多个变量之间的成对关系图（包括散点图和其他类型的图表）。它的核心功能是自动生成一个散点图矩阵，并支持按类别着色等功能。 ##### 函数签名 ```python seaborn.pairplot(data, hue=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, palette=None, ...) ``` - **`data`**: DataFrame 类型的数据源。 - **`hue`**: 指定分类变量，用于区分不同类别的数据并为其分配不同的颜色。 - **`vars`**: 指定要绘制哪些列，默认为所有数值列。 - **`kind`**: 图表类型，取值有 `'scatter'` (默认) 和 `'reg'`（带回归线）。 - **`diag_kind`**: 对角线上显示的图表类型，通常为 `'hist'`, `'kde'` 或 None。 ##### 示例代码 以下是一个典型的 `sns.pairplot()` 示例： ```python import seaborn as sns import matplotlib.pyplot as plt # 加载内置数据集 iris iris = sns.load_dataset("iris") # 绘制散点图矩阵 sns.pairplot( data=iris, hue="species", # 按照 species 分类着色 vars=["sepal_width", "sepal_length"], # 指定参与绘图的变量 markers=["o", "s", "D"] # 定义每种类别的 marker 形状 ) plt.savefig('pairplot_example.png') plt.show() ``` 这段代码展示了如何加载 Iris 数据集并通过 `sns.pairplot()` 创建一个带有分类颜色和特定标记形状的散点图矩阵[^1]。 --- #### 2. 使用 `sns.PairGrid()` 如果需要更多定制化选项，则可以选择 `sns.PairGrid()`。这是一个更加底层的 API，允许分别定义上下三角形区域以及对角线上的内容。 ##### 函数签名 ```python seaborn.PairGrid(data, hue=None, vars=None, x_vars=None, y_vars=None, palette=None, ...) ``` 随后可以通过 `.map()` 方法填充各个单元格的内容。 ##### 示例代码 以下是如何使用 `sns.PairGrid()` 构建类似的散点图矩阵： ```python import seaborn as sns import matplotlib.pyplot as plt # 加载数据 tips = sns.load_dataset("tips") # 初始化 PairGrid grid = sns.PairGrid( tips, hue="sex", # 按性别分类 vars=["total_bill", "tip"] # 指定绘图变量 ) # 上下三角部分绘制散点图 grid.map_upper(sns.scatterplot) grid.map_lower(sns.kdeplot, fill=True) # 对角线部分绘制直方图 grid.map_diag(sns.histplot, kde=True) # 添加图例 grid.add_legend() plt.show() ``` 在这个例子中，我们不仅实现了散点图矩阵的功能，还加入了 KDE 密度曲线和直方图作为补充视觉效果[^3]。 --- #### 总结对比 | 特性 | `sns.pairplot()` | `sns.PairGrid()` | |---------------------|--------------------------------------|----------------------------------| | 易用性 | 更加简单快捷 | 灵活但复杂 | | 自定义能力 | 默认配置较少 | 支持高度个性化设置 | | 推荐场景 | 快速探索性分析 | 需求精细控制时 | 无论选择哪种方式，都可以高效完成散点图矩阵的绘制任务。 ---