Fler pairplots
I den här övningen går vi igenom ytterligare några exempel på hur
pairplot() kan anpassas för att snabbt analysera data och identifiera
områden som kan vara värda en djupare analys.
En användbar anpassningsmöjlighet är att explicit definiera
de x_vars och y_vars som du vill undersöka. I stället för att granska
alla parvisa samband kan du på så sätt fokusera på just de
interaktioner som är av intresse.
Vi har redan sett hur kind styr typen av diagram. Vi kan
även använda diag_kind för att styra vilka diagramtyper som visas på diagonalen.
I det sista exemplet lägger vi till ett regressionsdiagram och ett kde-diagram i pairplot.
Den här övningen är en del av kursen
Datavisualisering med Seaborn – fortsättningskurs
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()