在Pandas DataFrame中可视化异构数据变量间的关系

嘿，我太懂这种困扰了！当你的DataFrame里既有数值型数据又有字符串（分类）数据时，seaborn的pairplot确实会自动忽略字符串列，只展示数值变量间的关系，完全没把分类变量的作用发挥出来。不过别担心，有几个实用的方法能帮你搞定异构数据的关系可视化：

1. 给pairplot加上hue参数，让分类变量“参与”进来 #

其实seaborn.pairplot本身支持hue参数，如果你字符串列是分类变量（比如性别、职业这类有限取值的字段），直接把它设为hue，就能在数值变量的两两关系图里用颜色区分不同类别，同时对角线上的分布图也会带上类别区分，完美兼顾异构数据！

举个例子：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# 构造示例异构数据
data = {
    'age': [25, 30, 35, 40, 45],
    'income': [50000, 60000, 75000, 90000, 100000],
    'gender': ['Male', 'Female', 'Male', 'Female', 'Male'],
    'occupation': ['Engineer', 'Teacher', 'Doctor', 'Engineer', 'Doctor']
}
df = pd.DataFrame(data)

# 用gender作为hue，展示数值变量间的关系
sns.pairplot(df, hue='gender')
plt.show()

这样你就能看到不同性别下，年龄和收入的关联差异，而且pairplot会自动只处理数值列，同时用hue把分类变量的信息融入进去。如果你的字符串列基数很高（比如有几十种不同取值），建议先合并一些类别，不然图里颜色会太乱。

2. 针对性可视化分类与数值变量的组合关系 #

如果你想单独看分类变量和数值变量之间的关联，可以用seaborn的catplot或者relplot，这两个工具对异构数据的适配性很强：

• 用catplot看分类变量对数值变量分布的影响（比如箱线图、小提琴图）
• 用relplot看数值变量间的关系，并通过分类变量分组

示例代码：

# 看不同职业的收入分布
sns.catplot(x='occupation', y='income', kind='box', data=df)
plt.show()

# 看年龄与收入的关系，用职业区分不同群体
sns.relplot(x='age', y='income', hue='occupation', style='gender', data=df)
plt.show()

这种方式更聚焦特定变量对的关系，适合你想深入分析某几个变量的关联时使用。

3. 用交互式工具提升体验（Plotly） #

如果想要更灵活的交互体验（比如鼠标悬停看具体数值、放大局部区域），可以用Plotly的scatter_matrix，它同样支持用分类变量作为颜色区分，而且生成的是交互式图表：

import plotly.express as px

fig = px.scatter_matrix(df, dimensions=['age', 'income'], color='gender')
fig.show()

这个工具生成的图表可以自由缩放、筛选类别，非常适合探索性分析。

注意事项 #

如果你的字符串列是自由文本（不是固定分类），那直接可视化关系会比较困难，这时候建议先对文本做特征提取（比如词频统计、TF-IDF转换），把文本转换成数值型特征后，再用上述方法进行可视化；或者可以用统计方法（比如卡方检验）分析文本特征和数值变量的相关性。

备注：内容来源于stack exchange，提问作者HHH