首页seaborn散点图相关性

seaborn散点图相关性

时间: 2025-01-06 15:45:28 浏览: 61

### 使用 Seaborn 绘制显示变量间相关性的散点图为了展示变量间的相关性，`seaborn.scatterplot()` 是一种非常有效的方法。此方法不仅能够直观地呈现两个数值变量之间的关系，还可以通过额外的参数来增强图表的表现力。 #### 参数说明 - `x`, `y`: 输入的绘图数据，必须是数值型数据[^2]。 - `hue`: 对输入数据进行分组的序列，使用不同颜色对各组的数据加以区分[^4]。 #### 示例代码下面提供了一个具体的例子，展示了如何利用这些参数创建一个具有代表性的散点图： ```python import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 创建随机数作为样本数据集 np.random.seed(0) ar = np.random.randn(20, 4) # 将数组转换成 DataFrame 并添加分类标签列 'e' df = pd.DataFrame(ar, columns=['a', 'b', 'c', 'd']) df['e'] = ['one']*6 + ['two']*8 + ['three']*6 # 设置画布大小 plt.figure(figsize=(10, 6)) # 使用 scatterplot 方法绘制散点图，并按 'e' 列的不同取值着色 sns.scatterplot(x='a', y='b', hue='e', data=df) # 添加标题和轴标签 plt.title('Scatter Plot of Variable Correlation') plt.xlabel('Variable A') plt.ylabel('Variable B') # 显示图像 plt.show() ``` 这段代码首先生成了一些模拟数据并将其放入 Pandas 的 DataFrame 中；接着设置了图形尺寸并通过调用 `sns.scatterplot()` 来制作散点图，在这里指定了横纵坐标以及用来区分类别的字段名；最后调整了图表的一些外观属性以便更好地理解所表达的信息。

阅读全文