20250713-`Seaborn.pairplot` 的使用注意事项

Seaborn.pairplot 的使用注意事项

sns.pairplot 是 Seaborn 中最常用、最强大的探索性数据分析（EDA）函数之一。 它在一个调用里就能同时展示：

• 任意两两变量间的 散点图（观察关系、聚类、异常值）
• 对角线上每个变量的 单变量分布（直方图 / KDE / 计数）
• 按 类别变量 分组的 颜色映射（hue）

1. 基本语法

seaborn.pairplot(
    data,                 # 必需，DataFrame
    vars=None,            # 指定列（默认全部数值列）
    x_vars=None, y_vars=None,  # 仅画部分组合（高级用法）
    hue=None,             # 按该列分组上色
    hue_order=None,       # hue 显示顺序
    palette=None,         # 调色板
    kind='scatter',       # 非对角线子图类型：'scatter' | 'reg' | 'kde' | 'hist'
    diag_kind='auto',     # 对角线：'auto' | 'hist' | 'kde' | None
    markers=None,         # 不同 hue 的散点形状 ['o','s','^']
    height=2.5,           # 单幅子图的高度（英寸inch）
    aspect=1,             # 宽高比（正方形）
    corner=False,         # 只画下三角
    dropna=True,          # 是否丢弃缺失值
    plot_kws=None,        # 传给非对角线的函数关键字(散点/回归函数)
    diag_kws=None,        # 传给对角线的函数关键字
    grid_kws=None         # 传给 PairGrid 的关键字
)

2. 参数详解 & 技巧

3. 最常见用法示例

准备数据：

test_cols = ['medallion', 'hack_license', 'trip_time_in_mins', 'trip_distance', 'total_amount', 'pickup_dayofweek']
df = time_bins_data[test_cols].sample(frac=0.0001)  # 从数据集中随机抽取少量的样本（减少计算量）
df.columns

Index(['medallion', 'hack_license', 'trip_time_in_mins', 'trip_distance',
       'total_amount', 'pickup_dayofweek'],
      dtype='object')

① 快速浏览所有数值特征

sns.pairplot(df)
plt.show()

② 只看指定列 + 按类别着色

sns.pairplot(
    df,
    vars=['trip_distance', 'total_amount', 'pickup_dayofweek'],
    hue='pickup_dayofweek',
    palette='Set2',
    height=3
)
plt.show()

此时就出现一个问题 (hue, hue) = ('pickup_dayofweek', 'pickup_dayofweek') 子图是空的。此时应该是 vars 、 hue 变量与核密度函数 kde 之间的冲突问题，可解决该问题的方法有以下三种：

需要注意的一个问题是： 当 diag_kind='auto'（默认值） 时，seaborn 会根据 是否指定了 hue 来自动决定对角线子图类型：

• 如果 hue=None（未指定） → 对角线画 直方图 hist
• 如果 hue=某个列名（指定了） → 对角线画 核密度估计 kde

1. 不要指定 vars 的内容

sns.pairplot(
    df[['trip_distance', 'total_amount', 'pickup_dayofweek']],
    # vars=['trip_distance', 'total_amount', 'pickup_dayofweek'],
    hue='pickup_dayofweek',
    palette='Set2',
    # diag_kind='hist',
    height=3
)
plt.show()

2. vars 中不要包含 hue 列，参见 ③

3. 指定对角线子图的 diag_kind='hist' （前两个方法都不会统计显示 hue 列）

sns.pairplot(
    df,
    vars=['trip_distance', 'total_amount', 'pickup_dayofweek'],  
    hue='pickup_dayofweek',
    palette='Set2',
    diag_kind='hist',
    height=3
)
plt.show()

③ 下三角 + 回归线

sns.pairplot(
    df,
    vars=test_cols[:4],
    hue='pickup_dayofweek',     # 按类别分组
    palette='Set1',            # 颜色调色板
    kind='reg',          # 非对角线加回归
    diag_kind='hist',    # 对角线直方图
    corner=True,         # 只画左下
)
plt.show()

④ 离散类别变量的对角线

sns.pairplot(
    df,
    vars=test_cols,
    hue='pickup_dayofweek',     # 按类别分组
    palette='Set1',            # 颜色调色板
    plot_kws={'alpha': 0.4},     # 点透明度（提升重叠区域可读性）
    diag_kind='hist',   # 对角线子图用直方图展示单变量分布(kde, hist)
)
plt.show()

4. 返回对象 & 进一步自定义

pairplot 本质上是 PairGrid 的封装：

g = sns.pairplot(
    df,
    vars=test_cols[2:],
    hue='pickup_dayofweek',     # 按类别分组
    palette='Set1',            # 颜色调色板
    plot_kws={'alpha': 0.4},     # 点透明度（提升重叠区域可读性）
    diag_kind='hist',   # 对角线子图用直方图展示单变量分布(kde, hist)
)
g.fig.suptitle("My Pairplot", y=1.02)     # 总标题
g.set(xlim=(0, 100), ylim=(0, 100))       # 统一坐标轴范围（需要合理设置，不然有些数据可能会无法显示）
g.map_diag(sns.histplot, kde=True)         # 对角线子图用直方图展示单变量分布(kde, hist)
plt.show()
# g.savefig("pairplot.png", dpi=300, bbox_inches='tight')  # 保存

5. 常见坑 & FAQ

sns.pairplot = 一次函数调用，完成所有两两关系 + 分布 + 分组可视化，是 EDA 的瑞士军刀。