多个变量和一个变量的相关性（多变量两两相互关系联合分布图的Python绘制）

  本文介绍基于Python中seaborn模块    
    
    
，实现联合分布图绘制的方法    
    
    
。

  联合分布（Joint Distribution）图是一种查看两个或两个以上变量之间两两相互关系的可视化图     


     


     


  ，在数据分析操作中经常需要用到     


     


     


  。一幅好看的联合分布图可以使得我们的数据分析更加具有可视性




 




 




 
，让大家眼前一亮




 




 




 
。

  那么
   

   

   

，本文就将用seaborn来实现联合分布图的绘制
   

   

   

。seaborn是一个基于matplotlib的Python数据可视化模块     

     

     

 ，借助于其 




  




  




  ，我们可以通过较为简单的操作

  


  


  


，绘制出各类动人的图片     

     

     

 。

  首先     
     
     
，引入需要的模块 




  




  




  。

import pandas as pd import seaborn as sns

  接下来  




   




   




   ，将存储有我们需要绘制联合分布图数据的文件导入

  


  


  


。因为我是将数据存储于.csv文件


 



 



 


，所以我这里用pd.read_csv来实现数据的导入     
     
     
。我的数据在.csv文件中长如下图的样子               ，其中共有107行   




    




    




   ，包括106行样本加1行列标题；以及10列  




   




   




   。我们就看前几行即可：

  导入数据的代码如下：

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文件存储位置与文件名               ，column_names是导入的数据在Python中我希望其显示的名字（为什么原始数据本来就有列标题但还要再设置这个column_names    



     



     



   ，本文下方有介绍）；header=0表示.csv文件中的0行（也就是我们一般而言的第一行）是列标题；如果大家的初始数据没有列标题
















，即其中的第一行就是数据自身    
    
    
，那么就需要设置header=None


 



 



 


。

  执行上述代码     


     


     


  ，我们将导入的数据打印




 




 




 
，看看在Python中其长什么样子               。

print(my_data)

  可以看到
   

   

   

，导入Python后数据的第7列     

     

     

 ，原本叫做Slope_1 




  




  




  ，但是设置我们自己命名的column_names后

  


  


  


，其就将原本数据的列标题改为我们自己设定的标题Slope了   




    




    




   。如果我们不设置column_names     
     
     
，导入的数据就是这个样子：

  可以看到  




   




   




   ，我们不用column_names的话


 



 



 


，数据导入Python后列名就是原始的Slope_1
















。

  我们继续               。其实用seaborn绘制联合分布图非常简单（这就是seaborn对matplotlib改进               ，让我们绘制复杂的图时候不需要太麻烦）   




    




    




   ，仅仅只有一下两句代码：

joint_columns=[BC,Temp,Slope,RoDen,POI,GAIA] sns.pairplot(my_data[joint_columns],kind=reg,diag_kind=kde)

  其中
















，第一句是定义我们想要参与绘制联合分布图的列               ，将需要绘图的列标题放入joint_column    



     



     



   。可以看到    



     



     



   ，因为我的数据中
















，具有ID这种编号列    
    
    
，而肯定编号是不需要参与绘图的     


     


     


  ，那么我们就不将其放入joint_column即可
















。

  第二句就是绘图    
    
    
。kind表示联合分布图中非对角线图的类型




 




 




 
，可选reg与scatter    
    
    
  、kde


     


     


     
、hist
   

   

   

，reg代表在图片中加入一条拟合直线     

     

     

 ，scatter就是不加入这条直线,kde是等高线的形式 




  




  




  ，hist就是类似于栅格地图的形式；diag_kind表示联合分布图中对角线图的类型

  


  


  


，可选hist与kde     
     
     
，hist代表直方图  




   




   




   ，kde代表直方图曲线化     


     


     


  。

  以kind和diag_kind分别选择reg和kde为例


 



 



 


，绘图结果如下：

  以kind和diag_kind分别选择scatter和hist为例               ，绘图结果如下：

  个人感觉第一幅图好看些~

  不过   




    




    




   ，由于参与绘图的变量个数比较多
















，因此使得图中的字体有点看不清




 




 




 
。可以加上一句代码在sns.pairplot这句代码的上面：

sns.set(font_scale=1.2)

  其中               ，font_scale就是字体的大小    



     



     



   ，后面的数字越大
















，字体就越大
   

   

   

。以font_scale=1.2为例    
    
    
，让我们看看效果：

  这样子字体就大了~