sns.pairplot() và relplot() trong seaborn (seaborn pairplot)
Bài 8/10 · Chương 3
Biểu đồ thống kê với seaborn
- 8 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
seaborn pairplot vẽ biểu đồ phân tán cho mọi cặp cột số của bảng trong một lưới, nên với ba môn Toán, Văn, Anh bạn thấy cả ba cặp điểm cùng lúc. sns.relplot(col=) tách một biểu đồ phân tán thành nhiều ô đặt cạnh nhau, mỗi ô một nhóm như ban KHTN và KHXH. Cả hai là hàm cấp figure: chúng tự tạo hình, nên không nhận ax=.
Cần biết trước: scatterplot() và lineplot(), seaborn khác Matplotlib ở đâu và nhiều biểu đồ trên một hình.
Hàm cấp axes và hàm cấp figure
Các hàm seaborn bạn đã dùng, như scatterplot(), histplot(), boxplot(), là hàm cấp axes: chúng vẽ lên một axes có sẵn mà bạn đưa vào bằng ax=, và trả về chính axes đó. Hàm cấp figure như relplot() và pairplot() tự tạo cả figure, tự chia lưới axes, rồi trả về một đối tượng lưới:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
fig, ax = plt.subplots()
kq_axes = sns.scatterplot(data=dt, x="toan", y="anh", ax=ax)
kq_figure = sns.relplot(data=dt, x="toan", y="anh", col="ban")
print(type(kq_axes).__name__, type(kq_figure).__name__)
print(kq_figure.axes.shape)
plt.close("all")KẾT QUẢ
Axes FacetGrid
(1, 2)scatterplot() trả về Axes như mọi hàm vẽ của Matplotlib. relplot() trả về FacetGrid, một lưới có thuộc tính .axes là mảng các axes và .figure là hình chứa chúng. Lưới ở đây có 1 dòng, 2 cột: mỗi ban một ô. Vì hàm cấp figure tự chọn kích thước hình, bạn chỉnh cỡ bằng height= (chiều cao mỗi ô, tính bằng inch) và aspect= (rộng chia cao), không phải figsize=.
Tách theo nhóm bằng sns.relplot(col=)
relplot() vẽ biểu đồ phân tán như scatterplot(), thêm col= để mỗi giá trị của một cột thành một ô riêng. Hai ô dùng chung thang trục, nên bạn so trực tiếp được:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
g = sns.relplot(data=dt, x="toan", y="anh", col="ban", height=3.5,
alpha=0.5)
g.set_axis_labels("Điểm Toán", "Điểm Anh")
g.set_titles("Ban {col_name}")
g.figure.suptitle("Toán và Anh cùng tăng ở cả hai ban")
g.figure.subplots_adjust(top=0.85)
plt.show()Mỗi ô là một ban, và đám chấm ở cả hai đều chạy chéo lên: thí sinh giỏi Toán thường giỏi Anh, ở ban nào cũng vậy. Ô KHTN dày hơn vì ban này có 304 thí sinh, KHXH có 196. Ba lệnh sau relplot() là của lưới, không phải của một axes: set_axis_labels() đặt nhãn trục cho mọi ô, set_titles() đặt tiêu đề mỗi ô với {col_name} là tên nhóm, và g.figure.suptitle() đặt tiêu đề chung cho cả hình; subplots_adjust(top=0.85) chừa chỗ cho nó phía trên các ô. Thiếu set_titles(), seaborn ghi tiêu đề kiểu ban = KHTN, lộ tên cột không dấu.
Với hue="ban" trên một ô, hai đám chấm chồng lên nhau và ban ít người bị che; col= tách chúng ra, mỗi ô dễ đọc hơn.
Mọi cặp biến một lần với sns.pairplot()
Khi chưa biết cặp nào đáng xem, pairplot() vẽ hết. Bạn đưa vào một bảng chỉ gồm các cột muốn xem, đổi tên có dấu trước vì tên cột thành nhãn trục:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
dt = pd.read_csv("diem_thi.csv", dtype={"sbd": str})
TEN = {"toan": "Toán", "van": "Văn", "anh": "Anh", "ban": "Ban"}
bang = dt[list(TEN)].rename(columns=TEN)
g = sns.pairplot(bang, vars=["Toán", "Văn", "Anh"], hue="Ban",
height=1.6, plot_kws={"alpha": 0.4, "s": 12},
diag_kws={"cut": 0})
g.figure.suptitle("Ba môn chung: mọi cặp đều tương quan dương")
g.figure.subplots_adjust(top=0.92)
print(g.axes.shape)
plt.show()KẾT QUẢ
(3, 3)Lưới 3 × 3: ô ở dòng Văn, cột Toán là biểu đồ phân tán điểm Toán (trục x) với điểm Văn (trục y). Các ô ngoài đường chéo đều chạy chéo lên, khớp với hệ số tương quan khoảng 0,5 đến 0,6 của bài tương quan. Ô đường chéo không thể vẽ một môn với chính nó, nên seaborn vẽ phân bố của môn đó, ở đây là đường KDE từng ban vì có hue=; diag_kws={"cut": 0} giữ đường đó trong thang điểm 0 đến 10, như bài boxplot và violinplot làm với hình đàn. Nửa trên lặp lại nửa dưới với hai trục đổi chỗ. Đổi vars=["Toán", "Văn", "Anh"] thành vars=["Toán", "Văn"] rồi chạy lại: dòng in ra thành (2, 2).
Kiểm tra nhanh
Trong ví dụ đầu bài,
sns.relplot()trả về gì?Axesmà nó đã vẽ lênFacetGrid, một lưới có.figurevà.axesNone, vì nó chỉ vẽ ra màn hình
Sau
import pandas as pd, seaborn as snsvàg = sns.relplot(data=pd.DataFrame({"x": [1, 2, 3, 4], "y": [2, 1, 4, 3], "nhom": ["A", "B", "C", "A"]}), x="x", y="y", col="nhom"),g.axes.shapecho kết quả gì?(1, 4)(3, 1)(1, 3)
Trong lưới pairplot ba môn, ô ở đường chéo vẽ gì?
- Phân bố điểm của chính môn đó
- Biểu đồ phân tán của môn với chính nó, một đường thẳng
- Hệ số tương quan của môn với các môn khác
Những câu nào đúng về hàm cấp figure?
- Chỉnh cỡ bằng
height=vàaspect= - Đặt nhãn mọi ô bằng
set_axis_labels()của lưới - Nhận
ax=để vẽ vào một axes có sẵn - Cần gọi
plt.subplots()trước để có chỗ vẽ
- Chỉnh cỡ bằng
Bài tập
Biểu đồ phân tán hai môn, mỗi ban một ô
Bảng dt có cột ban và các cột điểm môn (thang 10, có thể trống), như file diem_thi.csv. Từ điển TEN trong starter đổi tên cột sang tên môn. Viết thân hàm ve_theo_ban(dt, mon_x, mon_y):
vẽ bằng
sns.relplot()biểu đồ phân tán, mônmon_xở trục x, mônmon_yở trục y, mỗi ban một ô bằngcol=;nhãn trục x là
Điểmcộng tên môn củamon_x, ví dụĐiểm Toán; nhãn trục y tương tự chomon_y;tiêu đề mỗi ô là
Bancộng tên ban, ví dụBan KHTN.
Hàm không sửa bảng nó nhận.
Trả về: mảng các ô của lưới (g.axes), một ndarray.
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
TEN = {"toan": "Toán", "van": "Văn", "anh": "Anh",
"ly": "Lý", "su": "Sử"}
def ve_theo_ban(dt, mon_x, mon_y):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Hàm cấp axes (
scatterplot(),histplot()…) nhậnax=và trảAxes; hàm cấp figure (relplot(),pairplot()) tự tạo hình và trả lưới.sns.relplot(col=)tách biểu đồ phân tán thành mỗi nhóm một ô, chung thang trục.Lưới đặt nhãn bằng
set_axis_labels(), tiêu đề ô bằngset_titles("... {col_name}"), tiêu đề chung bằngg.figure.suptitle().sns.pairplot()vẽ mọi cặp cột số; đường chéo là phân bố của từng cột.Hàm cấp figure chỉnh cỡ bằng
height=,aspect=; đưaax=chopairplot()sẽ báoTypeError.
Câu hỏi thường gặp
Khi nào dùng relplot(col=) thay cho plt.subplots() và vòng lặp?
Khi các ô cùng một kiểu biểu đồ, chỉ khác nhóm dữ liệu: relplot(col=) tự lọc, tự chia trục chung và đặt tiêu đề. Khi mỗi ô một kiểu biểu đồ khác nhau, như một histogram cạnh một box plot, dùng plt.subplots() và các hàm cấp axes như bài nhiều biểu đồ trên một hình.
Lưu hình của pairplot bằng cách nào?
Gọi g.savefig("cap_bien.png", dpi=150, bbox_inches="tight") trên lưới, hoặc g.figure.savefig(...). bbox_inches="tight" giữ cả tiêu đề chung đặt bằng suptitle() nằm ngoài lưới. Không cần plt.subplots() hay fig riêng.
pairplot quá chậm với bảng lớn thì làm sao?
Số ô tăng theo bình phương số cột: mười cột là 100 ô, mỗi ô vài nghìn chấm. Chọn trước vài cột liên quan bằng vars=, lấy mẫu dòng bằng bang.sample(500, random_state=0), hoặc xem ma trận tương quan bằng heatmap trước rồi chỉ vẽ các cặp đáng chú ý.
relplot có vẽ đường được không?
Được, thêm kind="line": sns.relplot(..., kind="line", col="tinh") gọi lineplot() trong từng ô, với cùng các tham số như hue=, style=, errorbar=None của bài scatterplot() và lineplot().
Chủ đề
Dữ liệu của bài
- Tải xuống
diem_thi.csv
CSV · 38.56 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.