`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，DataFramevars=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' | Nonemarkers=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

参数	说明 & 示例
vars	只画关心的列： `vars=['trip_distance', 'fare_amount', 'tip']`
hue	按类别上色： `hue='pickup_cluster'`
kind	关系图类型： `kind='reg'` → 加回归线 `kind='kde'` → 二维核密度
diag_kind	对角线： `diag_kind='hist'`（直方图） `diag_kind='kde'`（密度曲线）
corner=True	只画下三角，节省空间
height / aspect	控制整张图大小： `height=3, aspect=1.2`
plot_kws	传给散点图： `plot_kws={'alpha':0.4, 's':20}`
diag_kws	传给直方图： `diag_kws={'bins':30, 'color':'skyblue'}`
markers	不同 hue 的形状： `markers=['o','s','D']`

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()

在这里插入图片描述

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()

在这里插入图片描述

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

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()

在这里插入图片描述

vars 中不要包含 hue 列，参见 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()

在这里插入图片描述

关于颜色映射介绍可以学习这篇文章：在 Matplotlib 中选择色彩映射 — Matplotlib 3.10.0 文档 - Matplotlib 绘图库

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()

在这里插入图片描述

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()

在这里插入图片描述

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

问题	原因 & 解决
对角线空白	离散变量 + KDE → 用 `diag_kind='hist'`
hue 列不在 vars 里	把 hue 列也放进 `vars` 才能在对角线看到它
图太大	调小 `height` 或 `corner=True`
颜色太多	限制 `hue_order` 或使用 `palette`