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)#

繪製兩個變數的圖表，包含雙變數和單變數圖形。

此函數提供了方便的介面來操作 JointGrid 類別，並提供多種預設的繪圖類型。此函數旨在作為一個相當輕量的包裝器；如果您需要更高的彈性，您應該直接使用 JointGrid。

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

輸入資料結構。可以是可指定給命名變數的長格式向量集合，或是將在內部重新塑形的寬格式資料集。

x, y向量或 data 中的鍵

指定 x 和 y 軸位置的變數。

hue向量或 data 中的鍵

用於決定繪圖元素顏色的語義變數。

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

要繪製的圖表種類。請參閱範例以取得底層函數的參考資訊。

height數值

圖形大小（將為正方形）。

ratio數值

聯合軸高度與邊緣軸高度的比率。

space數值

聯合軸和邊緣軸之間的間距

dropna布林值

若為 True，則從 x 和 y 中移除遺失的觀測值。

{x, y}lim數值對

在繪圖前要設定的軸限制。

colormatplotlib color

未使用 hue 映射時的單一顏色規格。否則，繪圖將嘗試連結到 matplotlib 屬性循環。

palette字串、列表、字典或 matplotlib.colors.Colormap

當映射 hue 語義時，用於選擇顏色的方法。字串值會傳遞至 color_palette()。列表或字典值表示分類映射，而色彩映射物件表示數值映射。

hue_order字串向量

指定 hue 語義的分類層級的處理和繪圖順序。

hue_norm元組或 matplotlib.colors.Normalize

設定資料單位中正規化範圍的一對數值，或將資料單位映射到 [0, 1] 區間的物件。使用表示數值映射。

marginal_ticks布林值

若為 False，則隱藏邊緣繪圖的計數/密度軸上的刻度。

{joint, marginal}_kws字典

繪圖元件的其他關鍵字引數。

kwargs

其他關鍵字引數會傳遞給用於在聯合軸上繪製圖表的函數，並取代 joint_kws 字典中的項目。

傳回值:
JointGrid

管理多個子圖的物件，這些子圖對應於用於繪製雙變數關係或分佈的聯合軸和邊緣軸。

另請參閱

JointGrid

設定具有雙變數資料聯合和邊緣視圖的圖形。

PairGrid

設定具有多個變數聯合和邊緣視圖的圖形。

jointplot

繪製多個具有單變數邊緣分佈的雙變數圖。

範例

在最簡單的調用中，指定 x 和 y 來建立散佈圖（使用 scatterplot()），並附帶邊緣直方圖（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

指定 hue 變數將會為散佈圖添加條件顏色，並在邊緣軸上繪製個別的密度曲線（使用 kdeplot()）。

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

透過 kind 參數，可以使用幾種不同的繪圖方法。設定 kind="kde" 將會繪製雙變量和單變量的 KDE。

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

設定 kind="reg" 來添加線性迴歸擬合（使用 regplot()）和單變量 KDE 曲線。

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

還有兩種選項可針對聯合分佈進行基於 bin 的視覺化。第一種，使用 kind="hist"，會在所有軸上使用 histplot()。

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

或者，設定 kind="hex" 將會使用 matplotlib.axes.Axes.hexbin() 來計算使用六邊形 bin 的雙變量直方圖。

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

額外的關鍵字引數可以傳遞給底層的繪圖函數。

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 參數來控制圖形的大小和佈局。

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

若要向繪圖添加更多圖層，請使用 jointplot() 回傳的 JointGrid 物件上的方法。

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