《一天一图学Python可视化》|第7天:一行代码揭秘所有变量关系

我们在前边学习过用relplot()、scatterplot()、lineplot()等来揭示变量间的关系，其中relplot()是整合了后两者的更高级的API接口。

但是在relplot()中，我们主要是揭示在各个语义（semantic）变量的影响下，某两个变量之间的关系是如何发生变化的。也就是说，它的核心还是揭示两个变量之间的关系，只不过是加入了几个额外变量的影响因素在里边。

那么问题来了，我们经常会遇到有大量变量的数据集，这时候假如我们想要观察每两个变量之间的关系，应该怎么办？

一个很笨的方法就是循环绘制任意两两变量之间的关系，但是这样的话未免太过繁琐。seaborn为我们提供了一个非常方便的函数pairplot()，仅仅需要一行代码，我们就可以完成上述任务。接下来我们就看一下吧。

我们先导入必要的库和数据：

import seaborn as sns
sns.set(style="ticks")
df = sns.load_dataset("iris")

这三行代码很简单，我们先导入了seaborn，然后设置图形样式为带刻度标记的风格，然后我们导入了iris数据集。

接下来就是见证奇迹的时候了：

sns.pairplot(df, hue="species")

看下效果：

还不错呢，美观而且全面！

在这里，我们给位置参数data传入pandas DataFrame格式的数据，给hue参数传入标签的列名，这样就可以用不同的颜色区分出不同的分类。短短的一行代码几十个字符，一幅称心的图形就出来了，满意吗？

事实上，基于PairGrid类的pairplot()远比上边展示的强大，它甚至支持我们自定义的绘图函数。想要了解更多，可以去看我的《7天学会Python最佳可视化工具Seaborn》系列和《从零开始学Python可视化》系列，那里有更加详细和全面的讲解哦！