seaborn.jointplot#

seaborn.jointplot(data=None, *, x=None, y=None, hue=None, kind='scatter', height=6, ratio=5, space=0.2, dropna=False, xlim=None, ylim=None, color=None, palette=None, hue_order=None, hue_norm=None, marginal_ticks=False, joint_kws=None, marginal_kws=None, **kwargs)#

绘制具有双变量和单变量图形的两个变量的图。

此函数提供了一个方便的接口到 JointGrid 类，并带有几种预设的绘图类型。这旨在成为一个相当轻量级的包装器；如果你需要更多灵活性，你应该直接使用 JointGrid。

参数:
datapandas.DataFrame, numpy.ndarray, mapping, 或 sequence

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

x, y向量或 data 中的键

指定 x 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。

kind{ “scatter” | “kde” | “hist” | “hex” | “reg” | “resid” }

要绘制的绘图类型。有关基础函数的参考，请参见示例。

height数值

图形的大小（它将是正方形）。

ratio数值

联合轴高度与边缘轴高度的比率。

space数值

联合轴和边缘轴之间的空间

dropna布尔值

如果为 True，则删除 x 和 y 中缺失的观测值。

{x, y}lim数字对

在绘图之前设置的轴限制。

colormatplotlib color

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

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

在映射 hue 语义时选择要使用的颜色方法。字符串值被传递到 color_palette()。列表或字典值意味着分类映射，而色图对象意味着数值映射。

hue_order字符串向量

指定处理和绘制 hue 语义的分类级别的顺序。

hue_norm元组或 matplotlib.colors.Normalize

可以是设置数据单位中归一化范围的值对，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。

marginal_ticks布尔值

如果为 False，则抑制边缘图上计数/密度轴上的刻度。

{joint, marginal}_kws字典

绘图组件的其他关键字参数。

kwargs

其他关键字参数被传递到用于在联合轴上绘制绘图的函数，优先于 joint_kws 字典中的项目。

返回值:
JointGrid

管理多个子图的对象，这些子图对应于用于绘制双变量关系或分布的联合轴和边缘轴。

另请参见

JointGrid

使用联合和边缘视图设置具有双变量数据的图形。

PairGrid

使用联合和边缘视图设置具有多个变量的图形。

jointplot

绘制具有单变量边缘分布的多个双变量图。

示例

在最简单的调用中，将 x 和 y 分配给创建散点图（使用 scatterplot()）以及边缘直方图（使用 histplot()）

penguins = sns.load_dataset("penguins")
sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")
../_images/jointplot_1_0.png

为 hue 变量赋值将为散点图添加条件颜色，并在边缘轴上绘制单独的密度曲线（使用 kdeplot()）。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")
../_images/jointplot_3_0.png

通过 kind 参数，可以使用多种不同的绘图方法。将 kind="kde" 设置为将绘制双变量和单变量 KDE。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde")
../_images/jointplot_5_0.png

将 kind="reg" 设置为添加线性回归拟合（使用 regplot()）和单变量 KDE 曲线。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="reg")
../_images/jointplot_7_0.png

还有两种选择用于对联合分布进行基于 bin 的可视化。第一个选择是使用 kind="hist"，它在所有轴上使用 histplot()。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hist")
../_images/jointplot_9_0.png

或者，将 kind="hex" 设置为将使用 matplotlib.axes.Axes.hexbin() 计算使用六边形 bin 的双变量直方图。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hex")
../_images/jointplot_11_0.png

可以将额外的关键字参数传递给底层绘图。

sns.jointplot(
    data=penguins, x="bill_length_mm", y="bill_depth_mm",
    marker="+", s=100, marginal_kws=dict(bins=25, fill=False),
)
../_images/jointplot_13_0.png

使用 JointGrid 参数控制图形的大小和布局。

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", height=5, ratio=2, marginal_ticks=True)
../_images/jointplot_15_0.png

要向绘图中添加更多层，请使用 JointGrid 对象上的方法，该对象由 jointplot() 返回。

g = sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot_joint(sns.kdeplot, color="r", zorder=0, levels=6)
g.plot_marginals(sns.rugplot, color="r", height=-.15, clip_on=False)
../_images/jointplot_17_0.png