Seaborn.JointGrid 类

Seaborn.JointGrid 类用作网格，用于绘制带有边缘单变量图的双变量图。

通常，可以使用名为 jointplot() 的图级别接口绘制许多图；但是，如果需要数据可视化更灵活，则可以使用此类。从根本上说，此类设置网格并在内部存储数据，以便更容易进行绘图。

以下是 seaborn.JointGrid 的语法

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

seaborn.JointGrid 的参数

下面显示了此类的一些参数。

序号	参数和描述
1	数据接收数据框，其中每一列是一个变量，每一行是一个观测值。
2	色调 (hue) 指定将在特定网格面上显示的数据部分的变量。要调整此变量的级别顺序，请参考变量顺序参数。
3	类型 (Kind) 从 {‘scatter’, ‘kde’, ‘hist’, ‘reg’} 中取值，并据此确定要绘制的图的类型。
4	比例 (ratio) 接收数值，并确定联合轴高度与边缘轴高度的比例。
5	高度 (Height) 接收标量值，并确定面的高度。
6	颜色 (Color) 接收 matplotlib 颜色作为输入，并确定未使用色调映射时的单一颜色规范。
7	边缘刻度 (Marginal_ticks) 接收布尔值，如果为 False，则抑制边缘图的计数/密度轴上的刻度。
8	色调顺序 (hue_order) 接收列表作为输入，并由此顺序确定分面变量的级别顺序。

在继续绘制图形之前，让我们加载 seaborn 库和数据集。

加载 seaborn 库

要加载或导入 seaborn 库，可以使用以下代码行。

Import seaborn as sns

加载数据集

在本文中，我们将使用 seaborn 库中内置的 Tips 数据集。使用以下命令加载数据集。

tips=sns.load_dataset("tips")

以下命令用于查看数据集中前 5 行。这使我们能够了解可以使用哪些变量来绘制图表。

tips.head()

以下是上述代码的输出：

index,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
2,21.01,3.5,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

现在我们已经加载了数据，我们将继续绘制数据。

示例 1

在下面的示例中，我们将通过向其传递 tips 数据集和 x、y 列来绘制一个简单的 JointGrid。这将生成一个空的 JointGrid 面。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.JointGrid(data=tips, x="total_bill", y="tip")
plt.show()

输出

生成的输出图如下所示：

示例 2

在这个示例中，我们将在联合网格面上绘制散点图。散点图绘制在面上，核密度估计图绘制在面的边缘。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
g = sns.JointGrid(data=tips, x="total_bill", y="tip")
g.plot(sns.scatterplot, sns.kdeplot)
plt.show()

输出

输出图如下所示：

示例 3

与上述示例类似，使用 plot() 函数在联合网格面上绘制散点图，并在面的边缘绘制直方图。除此之外，还向函数传递了一些其他参数，例如边缘颜色、线宽和alpha。

这里，边缘颜色是一个特殊参数，它接收 matplotlib 颜色或“灰色”的值。这是一个可选参数。围绕每个点的线的色调由此参数决定。如果您传递“灰色”，则用于点主体的颜色方案决定亮度。

线宽是一个接收浮点值的参数，用于确定划分每个单元格的线的宽度。接下来，传递 alpha 参数。我们可以在 plot 函数中使用 alpha 参数来修改图表的透明度。其值默认为 1。此选项的值介于 0 和 1 之间，并且随着值接近 0，图表变得更加半透明和不可见。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
g = sns.JointGrid(data=tips, x="total_bill", y="sex")
g.plot(sns.scatterplot, sns.histplot, alpha=.5, edgecolor=".5", linewidth=.5)
plt.show()

输出

现在，获得的图如下所示：

示例 4

还可以绘制分类图在 JointGrid 面的边缘。在这个示例中，我们将展示如何绘制箱线图。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
g = sns.JointGrid(data=tips, x="total_bill", y="tip")
g.plot(sns.regplot, sns.boxplot)
plt.show()

输出

获得的输出如下：

seaborn_multi_plot_grids_introduction.htm

打印页面