seaborn.JointGrid#

class seaborn.JointGrid(data=None, *, x=None, y=None, hue=None, height=6, ratio=5, space=0.2, palette=None, hue_order=None, hue_norm=None, dropna=False, xlim=None, ylim=None, marginal_ticks=False)#

用於繪製雙變數圖和邊際單變數圖的網格。

可以使用圖形層級介面 jointplot() 繪製許多圖形。當您需要更高的彈性時，請直接使用此類別。

__init__(data=None, *, x=None, y=None, hue=None, height=6, ratio=5, space=0.2, palette=None, hue_order=None, hue_norm=None, dropna=False, xlim=None, ylim=None, marginal_ticks=False)#

設定子圖網格並在內部儲存資料，以便輕鬆繪圖。

參數:

datapandas.DataFrame、numpy.ndarray、映射或序列: 輸入資料結構。可以是可指派給具名變數的長格式向量集合，也可以是將在內部重塑的寬格式資料集。
x, ydata 中的向量或鍵: 指定 x 和 y 軸位置的變數。
height數字: 圖形每一邊的大小（以英寸為單位，將會是正方形）。
ratio數字: 聯合軸高度與邊際軸高度的比率。
space數字: 聯合軸和邊際軸之間的間隔
dropna布林值: 如果為 True，則在繪圖前移除遺失的觀測值。
{x, y}lim數字對: 在繪圖前將軸限制設定為這些值。
marginal_ticks布林值: 如果為 False，則抑制邊際圖計數/密度軸上的刻度。
huedata 中的向量或鍵: 語意變數，已對應以決定繪圖元素的顏色。注意：與 FacetGrid 或 PairGrid 不同的是，軸層級函式必須支援 hue，才能在 JointGrid 中使用它。
palette字串、清單、字典或 matplotlib.colors.Colormap: 用於選擇在對應 hue 語意時所使用的顏色的方法。字串值會傳遞至 color_palette()。清單或字典值表示類別對應，而色彩對應物件表示數值對應。
hue_order字串向量: 指定 hue 語意之類別層級的處理和繪圖順序。
hue_norm元組或 matplotlib.colors.Normalize: 一組設定資料單位正規化範圍的值，或一個將資料單位對應至 [0, 1] 間隔的物件。使用表示數值對應。

另請參閱

jointplot: 繪製具有單變數邊際分佈的雙變數圖。
PairGrid: 設定一個圖形，其中包含多個變數的聯合和邊際檢視。
jointplot: 繪製具有單變數邊際分佈的多個雙變數圖。

範例

呼叫建構函式會初始化圖形，但不會繪製任何內容

penguins = sns.load_dataset("penguins")
sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")

最簡單的繪圖方法，JointGrid.plot() 接受一對函數（一個用於聯合軸，另一個用於邊緣軸）

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot(sns.scatterplot, sns.histplot)

JointGrid.plot() 函數也接受額外的關鍵字參數，但它會將這些參數傳遞給兩個函數

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot(sns.scatterplot, sns.histplot, alpha=.7, edgecolor=".2", linewidth=.5)

如果您需要將不同的關鍵字參數傳遞給每個函數，則必須調用 JointGrid.plot_joint() 和 JointGrid.plot_marginals()

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot_joint(sns.scatterplot, s=100, alpha=.5)
g.plot_marginals(sns.histplot, kde=True)

您也可以在不分配任何資料的情況下設定網格

g = sns.JointGrid()

然後，您可以透過存取 ax_joint、ax_marg_x 和 ax_marg_y 屬性來繪圖，這些屬性是 matplotlib.axes.Axes 物件

g = sns.JointGrid()
x, y = penguins["bill_length_mm"], penguins["bill_depth_mm"]
sns.scatterplot(x=x, y=y, ec="b", fc="none", s=100, linewidth=1.5, ax=g.ax_joint)
sns.histplot(x=x, fill=False, linewidth=2, ax=g.ax_marg_x)
sns.kdeplot(y=y, linewidth=2, ax=g.ax_marg_y)

繪圖方法可以使用任何接受 x 和 y 變數的 seaborn 函數

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot(sns.regplot, sns.boxplot)

如果函數接受 hue 變數，您可以在呼叫建構函式時指定 hue 來使用它

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")
g.plot(sns.scatterplot, sns.histplot)

可以使用 :meth:JointGrid.refline 將水平和/或垂直參考線新增到聯合軸和/或邊緣軸

g = sns.JointGrid(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot(sns.scatterplot, sns.histplot)
g.refline(x=45, y=16)

圖形始終為正方形（除非您在 matplotlib 層調整其大小），但其整體大小和佈局是可配置的。大小由 height 參數控制。聯合軸和邊緣軸之間的相對比例由 ratio 控制，而圖之間的空間量由 space 控制

sns.JointGrid(height=4, ratio=2, space=.05)

預設情況下，邊緣圖的密度軸上的刻度會關閉，但這是可配置的

sns.JointGrid(marginal_ticks=True)

設定圖形時，也可以定義兩個資料軸的限制（在圖中共享）

sns.JointGrid(xlim=(-2, 5), ylim=(0, 10))

方法

`__init__`([data, x, y, hue, height, ratio, ...])	設定子圖網格並在內部儲存資料，以便輕鬆繪圖。
`apply`(func, args, *kwargs)	將網格傳遞給使用者提供的函數並返回 self。
`pipe`(func, args, *kwargs)	將網格傳遞給使用者提供的函數並傳回其值。
`plot`(joint_func, marginal_func, **kwargs)	透過傳遞聯合軸和邊緣軸的函數來繪製圖形。
`plot_joint`(func, **kwargs)	在網格的聯合軸上繪製雙變數圖。
`plot_marginals`(func, **kwargs)	在每個邊緣軸上繪製單變數圖。
`refline`(*[, x, y, joint, marginal, color, ...])	將參考線新增至聯合軸和/或邊緣軸。
`savefig`(args, *kwargs)	儲存圖形的影像。
`set`(**kwargs)	在每個子圖軸上設定屬性。
`set_axis_labels`([xlabel, ylabel])	在雙變數軸上設定軸標籤。

屬性

`fig`	已棄用：建議使用 `figure` 屬性。
`figure`	存取網格底層的 `matplotlib.figure.Figure` 物件。