如何实现seaborn lmplot以获得包含每个数据框列的网格图？

问题描述

我有一个数据集。使用seaborn或matplotlib以2 x 3的图形形式方便地显示sns.lmplot之类的图形。我尝试过，但是它们显示在一列中。某某某某我尝试，但它不起作用。所有表都包含“ SalePrice”中变量的相关性

fig,ax = plt.subplots(4,len(qualitative)/4,figsize=(4*len(qualitative),4))
sns.lmplot(trainInt,y_vars = ["SalePrice"],x_vars = ('MSSubClass','LotFrontage','LotArea','OverallQual','OverallCond','YearBuilt'))

有一个带有数据的熊猫表

trainInt-这是一张熊猫桌

MSSubClass LotFrontage总体质量总体条件年度销售价格

---

10 23 6 43 8 12

12 20 2 46 8 19

11 31 3 13 8 24

您应该在两行三列中得到六个依赖关系图sns.lmplot：

SalePrice \ | \ ____ SalePrice I ------ SalePrice 我------我

MSSubClass LotFrontage综合质量

。

。

SalePrice \ | \ I SalePrice I --- \ --- SalePrice 我--I ---- |

总体状态年构建销售价格

解决方法

• 为了绘制数据，必须使用pandas.DataFrame.stack将数据框从宽格式转换为长（整齐）格式
  • SalePrice必须保留为一列，以与其相对应并在索引中，这可以通过.reset_index并指定drop=False
  完成
• 使用col和col_wrap参数使用seaborn.lmplot进行绘图，以获得2 x 3的绘图网格。
  • 显示的图的默认值为ci=95（回归估计的置信区间）。

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

data = {'MSSubClass': [10,12,11],'LotFrontage': [23,20,31],'OverallQual': [6,2,3],'OverallCond': [43,46,13],'YearBuilt': [8,8,8],'SalePrice': [12,19,24]}

df = pd.DataFrame(data)

# display(df)
   MSSubClass  LotFrontage  OverallQual  OverallCond  YearBuilt  SalePrice
0          10           23            6           43          8         12
1          12           20            2           46          8         19
2          11           31            3           13          8         24

# set SalePrice as the index
df.set_index('SalePrice',inplace=True,drop=False)

# convert the dataframe to a long (tidy) form
dfl = df.stack().reset_index().rename(columns={'level_1': 'cats',0: 'vals'})

# display(dfl)
    SalePrice         cats  vals
0          12   MSSubClass    10
1          12  LotFrontage    23
2          12  OverallQual     6
3          12  OverallCond    43
4          12    YearBuilt     8
5          12    SalePrice    12
6          19   MSSubClass    12
7          19  LotFrontage    20
8          19  OverallQual     2
9          19  OverallCond    46
10         19    YearBuilt     8
11         19    SalePrice    19
12         24   MSSubClass    11
13         24  LotFrontage    31
14         24  OverallQual     3
15         24  OverallCond    13
16         24    YearBuilt     8
17         24    SalePrice    24

# plot the data
sns.lmplot(x='vals',y='SalePrice',col='cats',col_wrap=3,data=dfl,height=4)
plt.xlim(0,50)
plt.xticks(range(0,55,5))
plt.show()

,

决定是这样。图表的类型刚刚出现））

fig,ax = plt.subplots(round(len(qualitative)/5),5,figsize=(40,100))
for var,subplot in zip(qualitative,ax.flatten()):
    sns.set(font_scale = 1.5) 
    sns.regplot(x = var,y = 'SalePrice',data = trainAnaliticQ,ax = subplot);