Question

如果使用以下代码绘制图，则该图有效，并且我可以在一行中看到所有子图。我可以将cols的数量具体分为三到两个，然后显示出来。但是我有30列，我想使用一种循环机制，以便将它们绘制在4x4子图的网格中。

regressionCols = ['col_a', 'col_b', 'col_c', 'col_d', 'col_e']
sns.pairplot(numerical_df, x_vars=regressionCols, y_vars='price',height=4, aspect=1, kind='scatter')
plt.show()

使用循环的代码如下。但是，我看不到任何渲染。

 nr_rows = 4
 nr_cols = 4

 li_cat_cols = list(regressionCols)
 fig, axs = plt.subplots(nr_rows, nr_cols, figsize=(nr_cols*4,nr_rows*4), squeeze=False)

 for r in range(0, nr_rows):
      for c in range(0,nr_cols):  
         i = r*nr_cols+c

         if i < len(li_cat_cols):
             sns.set(style="darkgrid")
             bp=sns.pairplot(numerical_df, x_vars=li_cat_cols[i], y_vars='price',height=4, aspect=1, kind='scatter')
             bp.set(xlabel=li_cat_cols[i], ylabel='Price')
 plt.tight_layout()    
 plt.show()

不确定我缺少什么。

Answer 1

我认为您没有将矩阵图中的每个子图空间都连接起来以分散在循环中生成的图。

也许这种带有内部大熊猫图的解决方案可能适合您：例如，

1。让我们简单地定义一个空的熊猫数据框。

numerical_df = pd.DataFrame([])

2。根据它们创建一些随机的功能和价格：

numerical_df['A'] = np.random.randn(100)
numerical_df['B'] = np.random.randn(100)*10 
numerical_df['C'] = np.random.randn(100)*-10
numerical_df['D'] = np.random.randn(100)*2
numerical_df['E'] = 20*(np.random.randn(100)**2)
numerical_df['F'] = np.random.randn(100)
numerical_df['price'] = 2*numerical_df['A'] +0.5*numerical_df['B'] - 9*numerical_df['C'] + numerical_df['E'] + numerical_df['D']

3。定义行数和列数。使用nr_rows和nr_cols创建一个子图空间。

nr_rows = 2 
nr_cols = 4
fig, axes = plt.subplots(nrows=nr_rows, ncols=nr_cols, figsize=(15, 8))
for idx, feature in enumerate(numerical_df.columns[:-1]):
    numerical_df.plot(feature, "price", subplots=True,kind="scatter",ax=axes[idx // 4,idx % 4])

4。枚举数据框中的每个功能，并用价格绘制散点图：

for idx, feature in enumerate(numerical_df.columns[:-1]):

    numerical_df.plot(feature, "price", subplots=True,kind="scatter",ax=axes[idx // 4,idx % 4])

其中axes[idx // 4, idx % 4]定义了每个散点图在您在（3.）中创建的矩阵中的位置。

所以，我们得到了一个矩阵图：

Scatterplot matrix

使用seaborn pairplot绘制子图

1 个答案: