seaborn.JointGrid

class seaborn.JointGrid(x, y, 
                        data=None, 
                        height=6, ratio=5, 
                        space=0.2, dropna=True, 
                        xlim=None, ylim=None, 
                        size=None)

用于绘制具有边际单变量图的双变量图的网格。

__init__(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, size=None)

设置子图的网格。

参数：x, y：字符串或向量

在 data中的数据或变量名

data：DataFrame, 可选

当 x and y 是变量名的时候为 DataFrame。

height：数字

图中每一条边的大小（以英寸为单位）

ratio：数字

联合轴大小与边缘轴高度的比率。

space：数字，可选

联合轴和边缘轴之间的空间

dropna：bool, 可选

如果为 True，则删除 x 和 y中缺少的观察结果。

{x, y}lim：二元组，可选

在绘图之前设置轴限制。

也可以看看

用于绘制具有多种不同默认绘图类型的双变量图的高级界面。

例子：

初始化图形，但不在其上绘制任何图形：

>>> import seaborn as sns; sns.set(style="ticks", color_codes=True)
>>> tips = sns.load_dataset("tips")
>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)

使用默认参数添加绘图：

>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)
>>> g = g.plot(sns.regplot, sns.distplot)

分别绘制联合分布图和边缘直方图，这可以以更精细的级别控制其他参数：

>>> import matplotlib.pyplot as plt
>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)
>>> g = g.plot_joint(plt.scatter, color=".5", edgecolor="white")
>>> g = g.plot_marginals(sns.distplot, kde=False, color=".5")

分别绘制两个边缘直方图：

>>> import numpy as np
>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)
>>> g = g.plot_joint(plt.scatter, color="m", edgecolor="white")
>>> _ = g.ax_marg_x.hist(tips["total_bill"], color="b", alpha=.6,
...                      bins=np.arange(0, 60, 5))
>>> _ = g.ax_marg_y.hist(tips["tip"], color="r", alpha=.6,
...                      orientation="horizontal",
...                      bins=np.arange(0, 12, 1))

添加注释，其中包含总结双变量关系的统计信息：

>>> from scipy import stats
>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)
>>> g = g.plot_joint(plt.scatter,
...                  color="g", s=40, edgecolor="white")
>>> g = g.plot_marginals(sns.distplot, kde=False, color="g")
>>> g = g.annotate(stats.pearsonr)

使用自定义的函数和注释格式

>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips)
>>> g = g.plot_joint(plt.scatter,
...                  color="g", s=40, edgecolor="white")
>>> g = g.plot_marginals(sns.distplot, kde=False, color="g")
>>> rsquare = lambda a, b: stats.pearsonr(a, b)[0] ** 2
>>> g = g.annotate(rsquare, template="{stat}: {val:.2f}",
...                stat="$R^2$", loc="upper left", fontsize=12)

移除联合轴和边缘轴之间的空间：

>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips, space=0)
>>> g = g.plot_joint(sns.kdeplot, cmap="Blues_d")
>>> g = g.plot_marginals(sns.kdeplot, shade=True)

绘制具有相对较大边缘轴的较小图：

>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips,
...                   height=5, ratio=2)
>>> g = g.plot_joint(sns.kdeplot, cmap="Reds_d")
>>> g = g.plot_marginals(sns.kdeplot, color="r", shade=True)

设置轴的限制：

>>> g = sns.JointGrid(x="total_bill", y="tip", data=tips,
...                   xlim=(0, 50), ylim=(0, 8))
>>> g = g.plot_joint(sns.kdeplot, cmap="Purples_d")
>>> g = g.plot_marginals(sns.kdeplot, color="m", shade=True)

方法

__init__(x, y[, data, height, ratio, space, …]) | 设置子图的网格设置子图的网格。

annotate(func[, template, stat, loc]) | 用关于关系的统计数据来标注绘图。

plot(joint_func, marginal_func[, annot_func]) | 绘制完整绘图的快捷方式。

plot_joint(func, **kwargs) | 绘制 x 和 y的双变量图。

plot_marginals(func, **kwargs) | 分别绘制 x 和 y 的单变量图。

savefig(args, *kwargs) | 封装 figure.savefig 默认为紧边界框。

set_axis_labels([xlabel, ylabel]) |在双变量轴上设置轴标签。