seaborn.jointplot

seaborn.jointplot(x, y, data=None, 
                  kind='scatter', 
                  stat_func=None, 
                  color=None, 
                  height=6, 
                  ratio=5, space=0.2, 
                  dropna=True, 
                  xlim=None, ylim=None, 
                  joint_kws=None, 
                  marginal_kws=None, 
                  annot_kws=None, **kwargs)

绘制两个变量的双变量及单变量图。

这个函数提供调用JointGrid类的便捷接口，以及一些封装好的绘图类型。这是一个轻量级的封装，如果需要更多的灵活性，应当直接使用JointGrid.

参数：x, y：strings 或者 vectors

data中的数据或者变量名。

data：DataFrame, 可选

当x和y为变量名时的 DataFrame.

kind：{ “scatter” | “reg” | “resid” | “kde” | “hex” }, 可选

绘制图像的类型。

stat_func：可调用的，或者 None, 可选

已过时

color：matplotlib 颜色, 可选

用于绘制元素的颜色。

height：numeric, 可选

图像的尺寸（方形）。

ratio：numeric, 可选

中心轴的高度与侧边轴高度的比例

space：numeric, 可选

中心和侧边轴的间隔大小

dropna：bool, 可选

如果为 True, 移除x和y中的缺失值。

{x, y}lim：two-tuples, 可选

绘制前设置轴的范围。

{joint, marginal, annot}_kws：dicts, 可选

额外的关键字参数。

kwargs：键值对

额外的关键字参数会被传给绘制中心轴图像的函数，取代joint_kws字典中的项。

返回值：grid：JointGrid

JointGrid对象.

参考

绘制图像的 Grid 类。如果需要更多的灵活性，可以直接使用 Grid 类。

示例

绘制带有侧边直方图的散点图:

>>> import numpy as np, pandas as pd; np.random.seed(0)
>>> import seaborn as sns; sns.set(style="white", color_codes=True)
>>> tips = sns.load_dataset("tips")
>>> g = sns.jointplot(x="total_bill", y="tip", data=tips)

添加回归线及核密度拟合:

>>> g = sns.jointplot("total_bill", "tip", data=tips, kind="reg")

将散点图替换为六角形箱体图:

>>> g = sns.jointplot("total_bill", "tip", data=tips, kind="hex")

将散点图和直方图替换为密度估计，并且将侧边轴与中心轴对齐:

>>> iris = sns.load_dataset("iris")
>>> g = sns.jointplot("sepal_width", "petal_length", data=iris,
...                   kind="kde", space=0, color="g")

绘制散点图，添加中心密度估计:

>>> g = (sns.jointplot("sepal_length", "sepal_width",
...                    data=iris, color="k")
...         .plot_joint(sns.kdeplot, zorder=0, n_levels=6))

不适用 Pandas, 直接传输向量，随后给轴命名:

>>> x, y = np.random.randn(2, 300)
>>> g = (sns.jointplot(x, y, kind="hex")
...         .set_axis_labels("x", "y"))

绘制侧边图空间更大的图像:

>>> g = sns.jointplot("total_bill", "tip", data=tips,
...                   height=5, ratio=3, color="g")

传递关键字参数给后续绘制函数:

>>> g = sns.jointplot("petal_length", "sepal_length", data=iris,
...                   marginal_kws=dict(bins=15, rug=True),
...                   annot_kws=dict(stat="r"),
...                   s=40, edgecolor="w", linewidth=1)