seaborn.relplot#

seaborn.relplot(data=None, *, x=None, y=None, hue=None, size=None, style=None, units=None, weights=None, row=None, col=None, col_wrap=None, row_order=None, col_order=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=None, dashes=None, style_order=None, legend='auto', kind='scatter', height=5, aspect=1, facet_kws=None, **kwargs)#

在 FacetGrid 上绘制关系图的图级接口。

此函数提供对几个不同的轴级函数的访问，这些函数显示了两个变量之间的关系，并使用语义映射来识别子集。 kind 参数选择要使用的底层轴级函数

scatterplot() (使用 kind="scatter"；默认值)
lineplot() (使用 kind="line")

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查看特定于类型的选项。

可以使用 hue、size 和 style 参数显示 x 和 y 之间的关系，以用于数据的不同子集。这些参数控制使用哪些视觉语义来识别不同的子集。通过使用所有三种语义类型，可以独立地显示最多三个维度，但这种类型的绘图可能难以解释，并且通常无效。使用冗余语义（即对同一变量同时使用 hue 和 style）可以帮助使图形更易访问。

有关更多信息，请参阅教程。

如果存在 hue （以及在较小程度上，size）语义，则其默认处理方式取决于变量是否被推断为表示“数值”或“类别”数据。特别是，数值变量默认情况下使用连续色图表示，并且图例条目显示带有一定值（可能存在于数据中，也可能不存在）的常规“刻度”。可以通过各种参数控制此行为，如下所述和说明。

绘图后，将返回带有绘图的 FacetGrid，并且可以直接使用它来调整支持绘图的详细信息或添加其他图层。

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向量集合（长格式），或者将在内部重新排列的宽格式数据集。
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: 分组变量，将生成具有不同颜色的元素。可以是分类变量或数值变量，尽管在后一种情况下，颜色映射的行为会有所不同。
大小在 data 中的向量或键: 分组变量，将产生不同大小的元素。可以是分类变量或数值变量，但大小映射在后一种情况下会有不同的行为。
样式在 data 中的向量或键: 分组变量，将产生不同样式的元素。可以具有数值数据类型，但始终被视为分类变量。
单位在 data 中的向量或键: 识别采样单位的分组变量。使用时，将为每个单位绘制单独的线，并具有相应的语义，但不会添加图例条目。在不需要确切标识时，可用于显示实验重复的分布。
权重在 data 中的向量或键: 用于计算加权估计的数据值或列。请注意，使用权重当前将统计量选择限制为“均值”估计量和“ci”误差条。
行，列在 data 中的向量或键: 定义在不同方面绘制子集的变量。
col_wrapint: 将列变量“包裹”在该宽度，以便列方面跨越多行。与 row 方面不兼容。
row_order，col_order字符串列表: 组织网格的行和/或列的顺序，否则顺序将从数据对象推断。
调色板字符串、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。字符串值传递给 color_palette()。列表或字典值意味着分类映射，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: 一对值，用于设置数据单位中的归一化范围，或者一个对象，将从数据单位映射到 [0, 1] 区间。用法意味着数值映射。
大小列表、字典或元组: 确定在使用 size 时如何选择大小的对象。列表或字典参数应为每个唯一数据值提供一个大小，这将强制执行分类解释。参数也可以是最小值、最大值元组。
size_order列表: 指定 size 变量级别的出现顺序，否则它们将从数据中确定。当 size 变量为数值时，这并不相关。
size_norm元组或 Normalize 对象: 数据单位中的归一化，用于在 size 变量为数值时缩放绘图对象。
style_order列表: 指定 style 变量级别的出现顺序，否则它们将从数据中确定。当 style 变量为数值时，这并不相关。
破折号布尔值、列表或字典: 确定如何为 style 变量的不同级别绘制线条的对象。设置为 True 将使用默认破折号代码，或者您可以传递一个破折号代码列表或一个字典，将 style 变量的级别映射到破折号代码。设置为 False 将对所有子集使用实线。破折号的指定方式与 matplotlib 中相同：一个 (segment, gap) 长度元组，或一个空字符串以绘制实线。
标记布尔值、列表或字典: 确定如何为 style 变量的不同级别绘制标记的对象。设置为 True 将使用默认标记，或者您可以传递一个标记列表或一个字典，将 style 变量的级别映射到标记。设置为 False 将绘制无标记的线条。标记的指定方式与 matplotlib 中相同。
图例“auto”、”brief”、”full” 或 False: 如何绘制图例。如果为“brief”，数值 hue 和 size 变量将用等距值的样本表示。如果为“full”，每个组都将在图例中获得一个条目。如果为“auto”，将根据级别的数量选择“brief”或“full”表示。如果为 False，则不会添加图例数据，也不会绘制图例。
种类字符串: 要绘制的绘图类型，对应于 seaborn 关系绘图。选项是 "scatter" 或 "line"。
高度标量: 每个方面的（英寸）高度。另请参见：aspect。
纵横比标量: 每个方面的纵横比，因此 aspect * height 以英寸为单位给出每个方面的宽度。
facet_kws字典: 要传递给 FacetGrid 的其他关键字参数的字典。
kwargs键值对: 其他关键字参数将传递给基础绘图函数。

返回值：:

FacetGrid: 管理一个或多个子图的对象，这些子图对应于条件数据子集，并具有方便的方法用于批处理设置轴属性。

示例

这些示例将仅说明 relplot() 能够实现的功能的一部分。有关更多信息，请咨询 scatterplot() 和 lineplot() 的示例，这些示例分别在 kind="scatter" 或 kind="line" 时使用。

为了说明 kind="scatter"（默认绘图样式），我们将使用“tips”数据集

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

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

分配 x 和 y 以及任何语义映射变量将绘制单个绘图

sns.relplot(data=tips, x="total_bill", y="tip", hue="day")

分配 col 变量将在网格的列中排列多个子图，创建一个分面图形

sns.relplot(data=tips, x="total_bill", y="tip", hue="day", col="time")

不同的变量可以分配给列和行的方面

sns.relplot(data=tips, x="total_bill", y="tip", hue="day", col="time", row="sex")

当分配给 col 的变量具有许多级别时，它可以“包裹”在多行中

sns.relplot(data=tips, x="total_bill", y="tip", hue="time", col="day", col_wrap=2)

分配多个语义变量可以显示多维关系，但要注意避免制作过于复杂的绘图。

sns.relplot(
    data=tips, x="total_bill", y="tip", col="time",
    hue="time", size="size", style="sex",
    palette=["b", "r"], sizes=(10, 100)
)

当某个变量存在自然的连续性时，显示线而不是点更有意义。要使用 lineplot() 绘制图形，请设置 kind="line"。我们将用“fmri”数据集说明这种效果

fmri = sns.load_dataset("fmri")
fmri.head()

	subject	timepoint	event	region	signal
0	s13	18	stim	parietal	-0.017552
1	s5	14	stim	parietal	-0.080883
2	s12	18	stim	parietal	-0.081033
3	s11	18	stim	parietal	-0.046134
4	s10	18	stim	parietal	-0.037970

使用 kind="line" 提供与 kind="scatter" 相同的语义映射灵活性，但 lineplot() 在绘制之前对数据进行更多转换。观察结果按其 x 值排序，重复观察结果被聚合。默认情况下，结果绘图显示每个单位的均值和 95% CI

sns.relplot(
    data=fmri, x="timepoint", y="signal", col="region",
    hue="event", style="event", kind="line",
)

图形的大小和形状由每个单个方面的 height 和 aspect 比例参数化

sns.relplot(
    data=fmri,
    x="timepoint", y="signal",
    hue="event", style="event", col="region",
    height=4, aspect=.7, kind="line"
)

由 relplot() 返回的对象始终是 FacetGrid，它有几种方法可以让你快速调整标题、标签和绘图的其他方面

g = sns.relplot(
    data=fmri,
    x="timepoint", y="signal",
    hue="event", style="event", col="region",
    height=4, aspect=.7, kind="line"
)
(g.map(plt.axhline, y=0, color=".7", dashes=(2, 1), zorder=0)
  .set_axis_labels("Timepoint", "Percent signal change")
  .set_titles("Region: {col_name} cortex")
  .tight_layout(w_pad=0))

也可以使用宽格式数据和 relplot()

flights_wide = (
    sns.load_dataset("flights")
    .pivot(index="year", columns="month", values="passengers")
)

在这种情况下，分面不是一个选项，但绘图仍然会利用 FacetGrid 提供的外部图例

sns.relplot(data=flights_wide, kind="line")