seaborn.FacetGrid#

class seaborn.FacetGrid(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)#

用于绘制条件关系的多图网格。

__init__(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)#

初始化 matplotlib 图形和 FacetGrid 对象。

此类将数据集映射到排列在行和列网格中的多个轴上，这些轴对应于数据集中的变量的级别。它生成的图通常称为“网格”、“格子”或“小倍数”图形。

它还可以使用hue参数表示第三个变量的级别，该参数以不同的颜色绘制数据集的不同子集。这使用颜色来解决第三维上的元素，但只在彼此之上绘制子集，并且不会像接受hue的轴级别函数那样，为特定可视化定制hue参数。

基本工作流程是使用数据集和用于构建网格的变量初始化FacetGrid对象。然后，可以通过调用FacetGrid.map()或FacetGrid.map_dataframe()，将一个或多个绘图函数应用于每个子集。最后，可以使用其他方法调整绘图，例如更改轴标签、使用不同的刻度或添加图例。有关更多信息，请参阅下面的详细代码示例。

警告

当使用 seaborn 函数从数据集推断语义映射时，必须注意在各个方面同步这些映射（例如，通过使用调色板字典定义 hue 映射，或将变量的数据类型设置为 category）。在大多数情况下，最好使用图级函数（例如 relplot() 或 catplot()），而不是直接使用 FacetGrid。

有关更多信息，请参见教程。

参数：

dataDataFrame: 整洁（“长格式”）数据框，其中每列都是一个变量，每行都是一个观测值。
row, col, hue字符串: 定义数据子集的变量，这些子集将在网格中的单独方面上绘制。请参阅 {var}_order 参数以控制此变量的级别顺序。
col_wrap整数: 以此宽度“包装”列变量，以便列方面跨越多行。与 row 方面不兼容。
share{x,y}布尔值，“col”或“row”，可选: 如果为真，则各个方面将在列之间共享 y 轴，以及/或在行之间共享 x 轴。
height标量: 每个方面的“高度”（以英寸为单位）。另请参见： aspect。
aspect标量: 每个方面的纵横比，因此 aspect * height 给出每个方面的宽度（以英寸为单位）。
palette调色板名称，列表或字典: 用于 hue 变量的不同级别的颜色。应该可以被 color_palette() 解释，或是一个将色调级别映射到 matplotlib 颜色的字典。
{row,col,hue}_order列表: 分面变量级别的顺序。默认情况下，这将是级别出现在 data 中的顺序，或者如果变量是 pandas 类别，则是类别顺序。
hue_kws参数 -> 值列表映射的字典: 插入绘图调用中的其他关键字参数，以使其他绘图属性在色调变量级别之间发生变化（例如散点图中的标记）。
legend_out布尔值: 如果为 True，则图的大小将被扩展，并且图例将绘制在图的中心右侧外部。
despine布尔值: 从图中删除顶部和右侧脊柱。
margin_titles布尔值: 如果为 True，则行变量的标题将绘制在最后一列的右侧。此选项是实验性的，可能不适用于所有情况。
{x, y}lim: 元组: 每个方面上每个轴的限制（仅在 share{x, y} 为 True 时才相关）。
subplot_kws字典: 传递给 matplotlib subplot(s) 方法的关键字参数字典。
gridspec_kws字典: 传递给 matplotlib.gridspec.GridSpec（通过 matplotlib.figure.Figure.subplots()）的关键字参数字典。如果 col_wrap 不是 None，则忽略。

另请参见

PairGrid: 用于绘制成对关系的子图网格
relplot: 将关系图和 FacetGrid 相结合
displot: 将分布图和 FacetGrid 相结合
catplot: 将分类图和 FacetGrid 相结合
lmplot: 将回归图和 FacetGrid 相结合

示例

注意

这些示例使用 seaborn 函数来演示该类的某些高级功能，但在大多数情况下，您将希望使用图级函数（例如 displot()，relplot()）来制作此处显示的图。

调用构造函数需要一个长格式数据对象。这将初始化网格，但不会在其上绘制任何内容

tips = sns.load_dataset("tips")
sns.FacetGrid(tips)

分配列和/或行变量以向图添加更多子图

sns.FacetGrid(tips, col="time", row="sex")

要在每个方面上绘制图，请将函数和数据框中一个或多个列的名称传递给 FacetGrid.map()

g = sns.FacetGrid(tips, col="time",  row="sex")
g.map(sns.scatterplot, "total_bill", "tip")

FacetGrid.map() 中的变量规范需要位置参数映射，但是如果该函数具有 data 参数并接受命名变量分配，那么您也可以使用 FacetGrid.map_dataframe()

g = sns.FacetGrid(tips, col="time",  row="sex")
g.map_dataframe(sns.histplot, x="total_bill")

注意每个方面中的 bin 宽度如何不同。在每个方面上都会绘制一个单独的图，因此如果绘图函数从数据中派生任何参数，则这些参数可能不会在各个方面之间共享。您可以传递额外的关键字参数来同步它们。但是，在可能的情况下，使用类似 displot() 的图级函数将为您处理此簿记工作

g = sns.FacetGrid(tips, col="time", row="sex")
g.map_dataframe(sns.histplot, x="total_bill", binwidth=2, binrange=(0, 60))

FacetGrid 构造函数接受一个 hue 参数。设置它将根据另一个变量来条件化数据，并以不同的颜色绘制多个图。在可能的情况下，将跟踪标签信息，以便可以绘制单个图例

g = sns.FacetGrid(tips, col="time", hue="sex")
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.add_legend()

但是，当在 FacetGrid 上设置 hue 时，将为变量的每个级别绘制一个单独的图。如果绘图函数理解 hue，最好让它处理该逻辑。但是，必须确保每个方面都将使用相同的色调映射。在示例 tips 数据中，sex 列具有类别数据类型，这可以确保这一点。否则，您可能需要使用 hue_order 或类似参数

g = sns.FacetGrid(tips, col="time")
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip", hue="sex")
g.add_legend()

图的大小和形状使用 height 和 aspect 参数在每个子图级别指定

g = sns.FacetGrid(tips, col="day", height=3.5, aspect=.65)
g.map(sns.histplot, "total_bill")

如果分配给 col 的变量具有多个级别，则可以对其进行“包装”，以便它跨越多行

g = sns.FacetGrid(tips, col="size", height=2.5, col_wrap=3)
g.map(sns.histplot, "total_bill")

要在每个方面上添加水平或垂直参考线，请使用 FacetGrid.refline()

g = sns.FacetGrid(tips, col="time", margin_titles=True)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.refline(y=tips["tip"].median())

您可以传递自定义函数来绘制，或注释每个方面。您的自定义函数必须使用 matplotlib 状态机界面在“当前”轴上绘制，并且应该捕获其他关键字参数

import matplotlib.pyplot as plt
def annotate(data, **kws):
    n = len(data)
    ax = plt.gca()
    ax.text(.1, .6, f"N = {n}", transform=ax.transAxes)

g = sns.FacetGrid(tips, col="time")
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.map_dataframe(annotate)

FacetGrid 对象有一些其他有用的参数和方法来调整图

g = sns.FacetGrid(tips, col="sex", row="time", margin_titles=True)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.set_axis_labels("Total bill ($)", "Tip ($)")
g.set_titles(col_template="{col_name} patrons", row_template="{row_name}")
g.set(xlim=(0, 60), ylim=(0, 12), xticks=[10, 30, 50], yticks=[2, 6, 10])
g.tight_layout()
g.savefig("facet_plot.png")

您还可以访问底层的 matplotlib 对象以进行进一步调整

g = sns.FacetGrid(tips, col="sex", row="time", margin_titles=True, despine=False)
g.map_dataframe(sns.scatterplot, x="total_bill", y="tip")
g.figure.subplots_adjust(wspace=0, hspace=0)
for (row_val, col_val), ax in g.axes_dict.items():
    if row_val == "Lunch" and col_val == "Female":
        ax.set_facecolor(".95")
    else:
        ax.set_facecolor((0, 0, 0, 0))

方法

`__init__`(data, *[, row, col, hue, col_wrap, ...])	初始化 matplotlib 图形和 FacetGrid 对象。
`add_legend`([legend_data, title, ...])	绘制图例，可能将其放置在轴之外并调整图的大小。
`apply`(func, args, *kwargs)	将网格传递给用户提供的函数并返回 self。
`despine`(**kwargs)	从各个方面删除轴脊柱。
`facet_axis`(row_i, col_j[, modify_state])	使这些索引标识的轴处于活动状态并返回它。
`facet_data`()	用于每个方面的名称索引和数据子集的生成器。
`map`(func, args, *kwargs)	将绘图函数应用于每个方面的數據子集。
`map_dataframe`(func, args, *kwargs)	类似于 `.map`，但将参数作为字符串传递并将数据插入 kwargs 中。
`pipe`(func, args, *kwargs)	将网格传递给用户提供的函数并返回其值。
`refline`(*[, x, y, color, linestyle])	在每个方面上添加参考线。
`savefig`(args, *kwargs)	保存绘图的图像。
`set`(**kwargs)	设置每个子图 Axes 的属性。
`set_axis_labels`([x_var, y_var, clear_inner])	设置网格左侧列和底部行的轴标签。
`set_titles`([template, row_template, ...])	在每个刻面上方或网格边距上绘制标题。
`set_xlabels`([label, clear_inner])	标记网格底部行的 x 轴。
`set_xticklabels`([labels, step])	设置网格的 x 轴刻度标签。
`set_ylabels`([label, clear_inner])	标记网格左侧列的 y 轴。
`set_yticklabels`([labels])	设置网格左侧列的 y 轴刻度标签。
`tick_params`([axis])	修改刻度、刻度标签和网格线。
`tight_layout`(args, *kwargs)	在排除图例的矩形内调用 fig.tight_layout。

属性

`ax`	当没有分配刻面变量时，`matplotlib.axes.Axes`。
`axes`	网格中 `matplotlib.axes.Axes` 对象的数组。
`axes_dict`	刻面名称到对应 `matplotlib.axes.Axes` 的映射。
`fig`	已弃用：建议使用 `figure` 属性。
`figure`	访问网格底层的 `matplotlib.figure.Figure` 对象。
`legend`	如果存在，`matplotlib.legend.Legend` 对象。