Buen día,
Para lograrlo hay que hacer un poco de "magia" ya que no hay una forma directa de hacerlo
La razón por la que no te aparecen los gráficos de la esquina superior es porque pusiste el argumento corner = True
. En la documentación se menciona que corner
es para hacer un gráfico de "corner" o esquina, es decir, solo la diagonal y el triángulo inferior.
Otro punto importante, parece ser que en R
el dataset
incluye años o alguna columna de fecha que no pude encontrar en Python
. Las columnas que aparecen al importar el dataset
desde seaborn
son:
Index(['species', 'island', 'bill_length_mm', 'bill_depth_mm',
'flipper_length_mm', 'body_mass_g', 'sex'], dtype='object')
Por lo tanto el resultado final incluye 16 gráficas (4 filas y 4 columnas)
En lugar del estilo whitegrid
que estabas utilizando lo cambié por white
para que el resultado se vea lo más parecido posible al resultado de R
Dentro de PairGrid
hay un argumento para eliminar los NaN
así que utilizo ese argumento en lugar de la línea df_numerical = df_numerical.dropna()
.
Lo primero que hay que hacer es crear el PairGrid
:
g = sns.PairGrid(df_numerical, diag_sharey = False, despine = False, dropna = True)
Para el triángulo inferior se puede utilizar regplot
en lugar de scatterplot
para poder obtener la línea fácilmente:
g.map_lower(sns.regplot, lowess=True, ci=False, line_kws={'color': 'red', 'lw': 1}, scatter_kws={'color': 'black', 's': 20})
Para el histograma hay dos opciones:
- Utilizar
distplot
. Esta opción sería la más fácil de implementar pero distplot
va a ser eliminada, si el código lo necesitas para algún trabajo o investigación para un futuro cercano tal vez sea lo mejor ya que no hay que configurar muchas cosas.
g.map_diag(sns.distplot, color='black', kde_kws={'color': 'red', 'cut': 0.7, 'lw': 1}, hist_kws={'histtype': 'bar', 'lw': 2, 'edgecolor': 'k', 'facecolor':'grey'})
- Utilizar
histplot
y definir el color de línea con set_color
. Si el código tiene que ser a "prueba del futuro", es decir, poder ser utilizado en un futuro lejano así como actualmente, pero para que se viera exactamente igual que la opción 1 tendrías que invertir más tiempo (No configuré todo para que se vea exactamente igual, sólo para que se vea bien).
Como histplot
no permite crear la línea de un color diferente al histograma (Que yo creo está mal, hay reportes de error pero los desarrolladores no lo quieren cambiar), cree una función para poder crear el histograma de color gris y la línea roja, además le agregamos los nombres de las columnas para que se vea más cercano al resultado de R
.
# Creamos una función para graficar el histograma
def histogram(x, **kws):
ax = sns.histplot(x=x, color='grey', kde=True)
ax.lines[0].set_color('red')
ax.annotate(x.name, xy=(0.05, 0.9), xycoords=ax.transAxes, fontweight='bold')
g.map_diag(histogram)
Y por último, para las gráficas superiores creamos dos funciones para mostrar la correlación y las anotaciones con los asteriscos
def corrdot(*args, **kwargs):
corr_r = args[0].corr(args[1], 'pearson')
corr_text = round(corr_r, 2)
ax = plt.gca()
font_size = abs(corr_r) * 80 + 5
ax.annotate(corr_text, [.5, .5,], xycoords="axes fraction", ha='center', va='center', fontsize=font_size)
def corrfunc(x, y, **kws):
r, p = stats.pearsonr(x, y)
p_stars = ''
if p <= 0.05:
p_stars = '*'
if p <= 0.01:
p_stars = '**'
if p <= 0.001:
p_stars = '***'
ax = plt.gca()
ax.annotate(p_stars, xy=(0.5, 0.6), xycoords=ax.transAxes, color='red', fontsize=70)
g.map_upper(corrdot)
g.map_upper(corrfunc)
Ejemplo completo:
import scipy
from scipy import stats
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
penguins = sns.load_dataset('penguins')
df=penguins
df_numerical=df.select_dtypes(include=np.number)
sns.set(style='white')
# Creamos una función para graficar el histograma
def histogram(x, **kws):
ax = sns.histplot(x=x, color='grey', kde=True)
ax.lines[0].set_color('red')
ax.annotate(x.name, xy=(0.05, 0.9), xycoords=ax.transAxes, fontweight='bold')
def corrdot(*args, **kwargs):
corr_r = args[0].corr(args[1], 'pearson')
corr_text = round(corr_r, 2)
ax = plt.gca()
font_size = abs(corr_r) * 80 + 5
ax.annotate(corr_text, [.5, .5,], xycoords="axes fraction", ha='center', va='center', fontsize=font_size)
def corrfunc(x, y, **kws):
r, p = stats.pearsonr(x, y)
p_stars = ''
if p <= 0.05:
p_stars = '*'
if p <= 0.01:
p_stars = '**'
if p <= 0.001:
p_stars = '***'
ax = plt.gca()
ax.annotate(p_stars, xy=(0.5, 0.6), xycoords=ax.transAxes, color='red', fontsize=70)
g = sns.PairGrid(df_numerical, diag_sharey = False, despine = False, dropna = True)
g.map_lower(sns.regplot, lowess=True, ci=False, line_kws={'color': 'red', 'lw': 1}, scatter_kws={'color': 'black', 's': 20})
# "distplot" será eliminada en un futuro, dejo la siguiente linea para que pruebes la diferencia
#g.map_diag(sns.distplot, color='black', kde_kws={'color': 'red', 'cut': 0.7, 'lw': 1}, hist_kws={'histtype': 'bar', 'lw': 2, 'edgecolor': 'k', 'facecolor':'grey'})
g.map_diag(histogram)
g.map_upper(corrdot)
g.map_upper(corrfunc)
# Elimina espacio entre gráficas
g.fig.subplots_adjust(wspace=0, hspace=0)
# Quitamos las etiquetas con los nombres de las gráficas
for ax in g.axes.flatten():
ax.set_ylabel('')
ax.set_xlabel('')
Esto devuelve la siguiente gráfica: