Scatterplot avec 2 variables

Analogue de scatterplot de matplotlib, mais plus sophistiqué.

Traçage du nuage de points :

• seaborn.jointplot(x, y) : trace par défaut le nuage de points, mais aussi les histogrammes pour chacune des 2 variables et calcule la corrélation de pearson et la p-value.
• stat_func = None : ne fait pas le calcul statistique.
• stat_func = scipy.stats.spearmanr : utilise la corrélation de Spearman.
• color = 'red' : la couleur des graphes.
• xlim = (-7, 7) : les limites sur l'axe des x.
• si on a un dataframe pandas df avec des colonnes A et B : on peut faire : seaborn.jointplot(x = "A", y = "B", data = df)
• on peut rajouter des paramètres pour customiser le nuage de points (joint_kws) et/ou pour les histogrammes (marginal_kws) : seaborn.jointplot(x = "A", y = "B", data = df, marginal_kws = {'bins': 50, 'color': 'red'}, joint_kws = {'color': 'green', 'marker': '+'})

On peut tracer l'équivalent d'un histogramme en 2d avec un pavage d'hexagones : seaborn.jointplot(x, y, kind = 'hex', color = 'navy')

On peut tracer un contour et pour chaque variable une densité avec : seaborn.jointplot(x, y, kind = 'kde', color = 'navy')

Alternative :

seaborn.kdeplot(x, y, color = 'navy')
seaborn.rugplot(x)
seaborn.rugplot(y, vertical = True)
  

jointplot retourne un objet seaborn.axisgrid.JointGrid qui a des fonctions qui permettent de customiser le graphe ou de rajouter des éléments dessus.

Pour visualiser les relations par paires d'un dataframe pandas :

• seaborn.pairplot(df)
• la fonction retourne un objet seaborn.axisgrid.PairGrid avec lequel on peut customiser les graphes.