本期，我们继续跟着penguins案例来学习Seaborn中的Pairplot。Seaborn的Pairplot函数是一个非常有用的工具，用于绘制数据集中所有数值型变量之间的关系。它会为每对变量生成一个散点图，并在对角线上绘制每个变量的单变量分布图（通常是直方图或核密度估计图）。pairplot 是探索数据集中变量间关系的快速方法，尤其适用于初步了解数据集的结构。一、penguins数据集Palmer Penguins 数据集是近年来在数据科学和机器学习领域受到关注的一个数据集，经常被用作iris鸢尾花数据集的一个替代品。数据集包含了对南极洲不同地区生活的企鹅种群的研究数据，主要用于数据探索和可视化，以及分类任务。
数据集中各列的具体含义为：
| 英文字段名 | 中文 | 描述 |
| species | 种类 | Gentoo：巴布亚企鹅（也叫金图企鹅）；Adelie：阿德利企鹅；Chinstrap：帽带企鹅 |
| culmen_length_mm | 喙长（毫米） | 喙的长度（毫米） |
| culmen_depth_mm | 喙深（毫米） | 喙的深度（毫米） |
| flipper_length_mm | 脚蹼长度（毫米） | 脚蹼的长度（毫米） |
| body_mass_g | 体重（克） | 体重（克） |
| island | 岛屿名称 | 梦想岛、托尔格森岛、比斯科岛 |
| sex | 性别 | 企鹅的性别 |
该下载数据集的链接为：
通过百度网盘分享的文件：penguins.csv
链接：https://pan.baidu.com/s/1ttlYRHDpUhtNTnsPBeYAAQ
提取码：6666
二、数据清洗看看数据集中数据缺失情况：
df.isnull().sum()
有5列中数据存在缺失值，下面我们通过语句补充完善。
#补充缺失值df['bill_length_mm']=df['bill_length_mm'].fillna(df['bill_length_mm'].median())df['bill_depth_mm']=df['bill_depth_mm'].fillna(df['bill_depth_mm'].median())df['flipper_length_mm']=df['flipper_length_mm'].fillna(df['flipper_length_mm'].median())df['body_mass_g']=df['body_mass_g'].fillna(df['body_mass_g'].median())df['sex']=df['sex'].fillna('MALE')df.isnull().sum()
三、数据集的pairplot图
我们通过pairplot先看看整体数据集的情况。
#简单的Pairplotsns.pairplot(data=df, corner=True);
从图中，我们可以看出数据集中，所有特征之间存在正相关，同时，许多图表显示不同的数据集群表示了不同的物种。当然，如果我们用species来分类看，差异会更加明显（下图）。
# Pairplot with huessns.pairplot(data=df, hue='species');
从pairplot图中可以看到，Gentoo（绿色区域的）的body_mass（体重）和 flipper_length(脚蹼长度)要高得多，而它的bill_depth(喙深度)比其他2个物种要小。
四、一些参数
pairplot 提供了多种自定义选项，例如：
- hue 参数可以根据另一个分类变量对散点图进行着色。
- palette 参数可以设置颜色方案。
- diag_kind 参数可以改变对角线上的图表类型，比如使用 'hist'、'kde' 或 'reg'。
- kind 参数可以设置非对角线上的图表类型，如'scatter'、'reg'、'resid'、'kde' 或 'hex'。
- 比如，我们设置一下上图中的非对角线的图标类型为reg。
-
- 是不是给每个scatter图都增加了几条回归线？~~
- 五、总结
Seaborn中的pairplot是一个非常强大的工具，可以帮助你快速了解数据集中的变量间关系，尤其是它们的分布和相关性，识别变量之间的相关性或模式，例如：线性或非线性关系、聚类或异常值等。
当然，想要了解更多关于Pairplot的功能，请参考官方文档：
https://seaborn.pydata.org/generated/seaborn.pairplot.html
自己动手试试吧？
