seaborn.displot#

seaborn.displot(data=None, *, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)#

用于将分布图绘制到 FacetGrid 上的图级接口。

此函数提供了多种方法来可视化数据的单变量或双变量分布，包括通过语义映射定义的数据子集，以及跨多个子图的分面。

此外，还可以将 rugplot() 添加到任何类型的图中，以显示单个观测值。

额外的关键字参数将传递给底层函数，因此您应该参考每个函数的文档以了解使用此接口绘制图形的完整选项集。

有关每种方法的相对优势和劣势的更深入讨论，请参阅 分布图教程。在 用户指南 中进一步解释了图级函数和轴级函数之间的区别。

参数：:
datapandas.DataFrame, numpy.ndarray, 映射或序列

输入数据结构。可以分配给命名变量的长格式向量集合，或者将内部重塑的宽格式数据集。

x, y向量或 data 中的键

指定 x 轴和 y 轴上位置的变量。

hue向量或 data 中的键

映射以确定绘图元素颜色的语义变量。

row, col向量或 data 中的键

定义要绘制到不同分面上的子集的变量。

weights向量或 data 中的键

用于计算分布函数的观测权重。

kind{“hist”, “kde”, “ecdf”}

用于可视化数据的方法。选择底层绘图函数并确定其他有效参数集。

rugbool

如果为 True，则使用边缘刻度显示每个观测值（如 rugplot() 中所做的那样）。

rug_kwsdict

用于控制毛毯图外观的参数。

log_scalebool 或数字，或 bool 或数字对

将轴刻度设置为对数。单个值设置绘图中任何数值轴的数据轴。一对值独立设置每个轴。数值解释为所需基数（默认为 10）。当为 None 或 False 时，seaborn 会转而使用现有轴刻度。

legendbool

如果为 False，则抑制语义变量的图例。

palette字符串、列表、字典或 matplotlib.colors.Colormap

用于选择在映射hue语义时使用的颜色的方法。字符串值传递给color_palette()。列表或字典值意味着类别映射，而颜色图对象意味着数值映射。

hue_order字符串向量

指定hue语义的分类级别的处理和绘制顺序。

hue_norm元组或matplotlib.colors.Normalize

可以是设置数据单位中归一化范围的一对值，也可以是将数据单位映射到[0, 1]区间的对象。使用意味着数值映射。

colormatplotlib color

当不使用色调映射时，单个颜色规范。否则，绘图将尝试连接到 matplotlib 属性循环。

col_wrap整数

以该宽度“包裹”列变量，以便列小平面跨越多行。与row小平面不兼容。

{row,col}_order字符串向量

指定row和/或col变量的级别在子图网格中出现的顺序。

height标量

每个小平面的高度（英寸）。另见：aspect。

aspect标量

每个小平面的纵横比，因此aspect * height给出每个小平面以英寸为单位的宽度。

facet_kws字典

传递给FacetGrid的附加参数。

kwargs

其他关键字参数在相关轴级函数中记录

返回:
FacetGrid

一个管理一个或多个子图的对象，这些子图对应于具有方便方法用于批量设置轴属性的条件数据子集。

另见

histplot

绘制带可选归一化或平滑的箱装计数的直方图。

kdeplot

使用核密度估计绘制单变量或双变量分布。

rugplot

沿 x 和/或 y 轴在每个观察值处绘制刻度。

ecdfplot

绘制经验累积分布函数。

jointplot

绘制带有单变量边缘分布的双变量图。

示例

有关每种绘图类型的可用选项范围的更多详细信息，请参阅轴级函数的 API 文档。

默认绘图类型是直方图

penguins = sns.load_dataset("penguins")
sns.displot(data=penguins, x="flipper_length_mm")
../_images/displot_1_0.png

使用kind参数选择不同的表示

sns.displot(data=penguins, x="flipper_length_mm", kind="kde")
../_images/displot_3_0.png

有三种主要绘图类型；除了直方图和核密度估计 (KDE) 之外，您还可以绘制经验累积分布函数 (ECDF)

sns.displot(data=penguins, x="flipper_length_mm", kind="ecdf")
../_images/displot_5_0.png

在直方图模式下，也可以添加 KDE 曲线

sns.displot(data=penguins, x="flipper_length_mm", kde=True)
../_images/displot_7_0.png

要绘制双变量图，请同时分配x和y

sns.displot(data=penguins, x="flipper_length_mm", y="bill_length_mm")
../_images/displot_9_0.png

目前，双变量图仅适用于直方图和 KDE

sns.displot(data=penguins, x="flipper_length_mm", y="bill_length_mm", kind="kde")
../_images/displot_11_0.png

对于每种绘图类型，您还可以使用边缘“地毯”显示单个观察值

g = sns.displot(data=penguins, x="flipper_length_mm", y="bill_length_mm", kind="kde", rug=True)
../_images/displot_13_0.png

每种绘图类型都可以使用hue映射为数据子集单独绘制

sns.displot(data=penguins, x="flipper_length_mm", hue="species", kind="kde")
../_images/displot_15_0.png

附加关键字参数传递给相应的底层绘图函数，允许进一步自定义

sns.displot(data=penguins, x="flipper_length_mm", hue="species", multiple="stack")
../_images/displot_17_0.png

该图形使用FacetGrid构建，这意味着您还可以显示不同子图上的子集，或“小平面”

sns.displot(data=penguins, x="flipper_length_mm", hue="species", col="sex", kind="kde")
../_images/displot_19_0.png

因为该图形使用FacetGrid绘制，所以您可以使用height和aspect参数控制其大小和形状

sns.displot(
    data=penguins, y="flipper_length_mm", hue="sex", col="species",
    kind="ecdf", height=4, aspect=.7,
)
../_images/displot_21_0.png

该函数返回带有绘图的FacetGrid对象，您可以使用此对象上的方法进一步对其进行自定义

g = sns.displot(
    data=penguins, y="flipper_length_mm", hue="sex", col="species",
    kind="kde", height=4, aspect=.7,
)
g.set_axis_labels("Density (a.u.)", "Flipper length (mm)")
g.set_titles("{col_name} penguins")
../_images/displot_23_0.png