### 使用 Matplotlib 实现类似 Seaborn Pairplot 的散点图矩阵功能 虽然 `seaborn` 提供了一个简单的方法来生成散点图矩阵（即通过 `sns.pairplot()` 函数），但在某些情况下可能需要完全控制绘图过程，这时可以借助 `matplotlib` 来手动实现类似的散点图矩阵。 以下是详细的说明以及代码示例： #### 方法概述 为了使用 `matplotlib` 创建类似于 `seaborn.pairplot()` 的散点图矩阵，可以通过以下方式完成： 1. 获取数据框中的数值列。 2. 构建一个网格布局，其中每个子图对应于一对变量之间的关系。 3. 对角线上的子图用于显示单个变量的分布情况（通常为直方图或核密度估计）。 4. 非对角线上的子图用于绘制两个变量之间的散点图。 下面是具体的实现方法[^1]： ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt # 假设有一个 DataFrame df df = pd.DataFrame({ 'A': np.random.randn(100), 'B': np.random.randn(100), 'C': np.random.randn(100) }) # 获取数值列名 columns = list(df.select_dtypes(include=[np.number]).columns) # 设置图形大小 num_vars = len(columns) fig, axes = plt.subplots(num_vars, num_vars, figsize=(8, 8)) # 调整子图间距 plt.subplots_adjust(wspace=0.5, hspace=0.5) for i in range(num_vars): for j in range(num_vars): ax = axes[i, j] if i == j: # 对角线上画直方图 ax.hist(df[columns[i]], bins=20, color='blue', alpha=0.7) else: # 非对角线上画散点图 ax.scatter(df[columns[j]], df[columns[i]], c='green', alpha=0.6) # 移除坐标轴标签以保持简洁 if i != (num_vars - 1): # 如果不是最后一行，则隐藏 x-axis 标签 ax.set_xticks([]) if j != 0: # 如果不是第一列，则隐藏 y-axis 标签 ax.set_yticks([]) # 添加全局标题 fig.suptitle('Scatter Plot Matrix using Matplotlib', fontsize=16) plt.show() ``` 上述代码实现了如下功能： - **对角线**上展示了各数值列的数据分布（直方图形式）。这相当于 `seaborn.pairplot(diag_kind="hist")` 的效果[^2]。 - **非对角线**位置则展示两两变量间的散点图。这是 `pairplot` 默认行为的一部分[^3]。 如果希望进一步增强图表的功能，比如加入颜色分类或者调整样式，可以在循环内部修改相应参数。例如，在散点图部分引入分类变量的颜色映射[^4]。 #### 注意事项 当处理大型数据集时，应考虑性能优化措施，如减少样本数量或应用降采样技术。此外，对于高维数据，可以选择只保留最相关的特征进行可视化分析。 ---