Weitere pairplots
In dieser Übung siehst du noch ein paar Beispiele, wie sich pairplot() anpassen lässt, um Daten schnell zu analysieren und interessante Bereiche zu finden, die sich für eine tiefergehende Untersuchung lohnen.
Eine nützliche Anpassung ist, x_vars und y_vars explizit festzulegen. Statt alle paarweisen Beziehungen zu betrachten, kannst du dich damit gezielt auf die Interaktionen konzentrieren, die dich interessieren.
Wir haben bereits gesehen, wie sich mit kind die Diagrammtypen steuern lassen. Außerdem kannst du mit diag_kind die Diagrammtypen auf der Diagonale festlegen. Im letzten Beispiel nehmen wir eine Regression und ein KDE‑Diagramm in den pairplot auf.
Diese Übung ist Teil des Kurses
<Kurs>Fortgeschrittene Datenvisualisierung mit Seaborn</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Build a pairplot with different x and y variables
sns.___(data=df,
___=["fatal_collisions_speeding", "fatal_collisions_alc"],
___=['premiums', 'insurance_losses'],
kind='scatter',
hue='Region',
___='husl')
plt.show()
plt.clf()