Bỏ qua đến nội dung chính
Mục lục

sns.pairplot() và relplot() trong seaborn (seaborn pairplot)

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 8/10 · Chương 3

Biểu đồ thống kê với seaborn

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

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:

python
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:

python
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()
Hai biểu đồ phân tán đặt cạnh nhau, ban KHTN bên trái và ban KHXH bên phải, trục x là điểm Toán, trục y là điểm Anh; ở cả hai ô đám chấm chạy chéo lên, ô KHTN dày hơn.

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:

python
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 pairplot 3 nhân 3 của điểm Toán, Văn, Anh, tô màu theo ban; ô ngoài đường chéo là biểu đồ phân tán chạy chéo lên, ô đường chéo là đường mật độ điểm từng môn của hai ban.

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

  1. Trong ví dụ đầu bài, sns.relplot() trả về gì?

    • Axes mà nó đã vẽ lên
    • FacetGrid, một lưới có .figure và .axes
    • None, vì nó chỉ vẽ ra màn hình
  2. Sau import pandas as pd, seaborn as sns và g = 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.shape cho kết quả gì?

    • (1, 4)
    • (3, 1)
    • (1, 3)
  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
  4. Những câu nào đúng về hàm cấp figure?

    • Chỉnh cỡ bằng height= và aspect=
    • 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
Đúng hết lần đầu +15 XP

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, môn mon_x ở trục x, môn mon_y ở trục y, mỗi ban một ô bằng col=;

  • nhãn trục x là Điểm cộng tên môn của mon_x, ví dụ Điểm Toán; nhãn trục y tương tự cho mon_y;

  • tiêu đề mỗi ô là Ban cộng tên ban, ví dụ Ban KHTN.

Hàm không sửa bảng nó nhận.

Trả về: mảng các ô của lưới (g.axes), một ndarray.

python
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 này

Tóm tắt

  • Hàm cấp axes (scatterplot(), histplot()…) nhận ax= và trả Axes; 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 bằng set_titles("... {col_name}"), tiêu đề chung bằng g.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=; đưa ax= cho pairplot() sẽ báo TypeError.

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

seaborn pairplot

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập