seaborn.relplot

seaborn.relplot(x=None, y=None, hue=None, size=None, style=None, data=None, row=None, col=None, col_wrap=None, row_order=None, col_order=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=None, dashes=None, style_order=None, legend='brief', kind='scatter', height=5, aspect=1, facet_kws=None, **kwargs)

绘制相关关系图像到 FacetGrid 的图像级别接口。

此函数提供对一些不同轴级别函数的访问，这些函数通过子集的语义映射显示两个变量之间的关系。kind参数选择要使用的基础轴级函数：

• scatterplot() （通过kind="scatter"访问；默认为此）
• lineplot() (通过kind="line"访问)

额外的关键字参数会被传递给隐含的函数，因此使用时应当参考对应函数的文档去了解各种选项。

对于数据不同子集的x与y的绘制关系可以通过hue, size以及style参数控制。这些参数控制使用哪些视觉语义来区分不同的子集。使用所有三个语义类型可以独立展示三个维度，但是这种方式得到的绘制结果难以被理解而且低效。使用多种语义（例如对相同变量同时使用hue及style）可以使图像更加易懂。

参考tutorial获得更多信息。

绘制后，会返回带有图像的FacetGrid，随后可以直接进行图像细节调节或者加入其他图层。

值得注意的是，与直接使用隐含函数的方式不同，数据必须以长格式的 DataFrame 传入，同时变量通过x, y及其他参数指定。

参数：x, y：data中的变量名

输入数据的变量；数据必须为数值型。

hue: data中的名称，可选

将会产生具有不同颜色的元素的变量进行分组。这些变量可以是类别变量或者数值型变量，尽管颜色映射在后面的情况中会有不同的表现。

size：data中的名称，可选

将会产生具有不同尺寸的元素的变量进行分组。这些变量可以是类别变量或者数值型变量，尽管尺寸映射在后面的情况中会有不同的表现。

style：data中的名称，可选

将会产生具有不同风格的元素的变量进行分组。这些变量可以为数值型，但是通常会被当做类别变量处理。

data：DataFrame

长格式的 DataFrame，每列是一个变量，每行是一个观察值。

row, col：data中的变量名，可选

确定网格的分面的类别变量。

col_wrap：int, 可选

以此宽度“包裹”列变量，以便列分面跨越多行。与row分面不兼容。

row_order, col_order：字符串列表，可选

以此顺序组织网格的行和/或列，否则顺序将从数据对象中推断。

palette：色盘名，列表，或者字典，可选

用于hue变量的不同级别的颜色。应当是color_palette()可以解释的东西，或者将色调级别映射到 matplotlib 颜色的字典。

hue_order：列表，可选

指定hue变量层级出现的顺序，否则会根据数据确定。当hue变量为数值型时与此无关。

hue_norm：元组或者 Normalize 对象，可选

当hue变量为数值型时，用于数据单元的 colormap 的标准化。如果hue为类别变量则与此无关。

sizes：列表、典或者元组，可选

当使用sizes时，用于确定如何选择尺寸。此变量可以一直是尺寸值的列表或者size变量的字典映射。当size为数值型时，此变量也可以是指定最小和最大尺寸的元组，这样可以将其他值标准化到这个范围。

size_order：列表，可选

指定size变量层次的表现顺序，不指定则会通过数据确定。当size变量为数值型时与此无关。

size_norm：元组或者 Normalize 对象，可选

当size变量为数值型时，用于数据单元的 scaling plot 对象的标准化。

legend：“brief”, “full”, 或者 False, 可选

用于决定如何绘制坐标轴。如果参数值为“brief”, 数值型的hue以及size变量将会被用等间隔采样值表示。如果参数值为“full”, 每组都会在坐标轴中被记录。如果参数值为“false”, 不会添加坐标轴数据，也不会绘制坐标轴。

kind：string, 可选

绘制图的类型，与 seaborn 相关的图一致。可选项为(scatter及line).

height：标量, 可选

每个 facet 的高度（英寸）。参见aspect。

aspect：标量, 可选

每个 facet 的长宽比，因此“长宽比*高度”可以得出每个 facet 的宽度（英寸）。

facet_kws：dict, 可选

以字典形式传给FacetGrid的其他关键字参数.

kwargs：键值对

传给后续绘制函数的其他关键字参数。

返回值：g：FacetGrid

返回包含图像的FacetGrid对象，图像可以进一步调整。

示例

使用FacetGrid的坐标轴布局绘制简单的 facet。

>>> import seaborn as sns
>>> sns.set(style="ticks")
>>> tips = sns.load_dataset("tips")
>>> g = sns.relplot(x="total_bill", y="tip", hue="day", data=tips)

利用其他变量绘制 facet:

>>> g = sns.relplot(x="total_bill", y="tip",
...                 hue="day", col="time", data=tips)

绘制两行两列的 facet:

>>> g = sns.relplot(x="total_bill", y="tip", hue="day",
...                 col="time", row="sex", data=tips)

将多行 facets 转换为多列:

>>> g = sns.relplot(x="total_bill", y="tip", hue="time",
...                 col="day", col_wrap=2, data=tips)

利用指定的属性值对每个 facet 使用多种语义变量:

>>> g = sns.relplot(x="total_bill", y="tip", hue="time", size="size",
...                 palette=["b", "r"], sizes=(10, 100),
...                 col="time", data=tips)

使用不同类型的图:

>>> fmri = sns.load_dataset("fmri")
>>> g = sns.relplot(x="timepoint", y="signal",
...                 hue="event", style="event", col="region",
...                 kind="line", data=fmri)

改变每个 facet 的大小:

>>> g = sns.relplot(x="timepoint", y="signal",
...                 hue="event", style="event", col="region",
...                 height=5, aspect=.7, kind="line", data=fmri)