提供的api 说明 displot Figure-level interface for drawing distribution plots onto a FacetGrid. 图形级界面    
    
    
   ，用于在FacetGrid上绘制分布图 
    
    
    
。 histplot Plot univariate or bivariate histograms to show distributions of datasets. 绘制单变量或双变量直方图来显示数据集的分布
     


     


     


   。 kdeplot Plot univariate or bivariate distributions using kernel density estimation. 使用核密度估计绘制单变量或双变量分布 ecdfplot Plot empirical cumulative distribution functions.绘制经验累积分布函数 




 




 




 

。 rugplot Plot marginal distributions by drawing ticks along the x and y axes. 通过在x和y轴上画刻度来绘制边缘分布 

   

   

   

。 distplot DEPRECATED: Flexibly plot a univariate distribution of observations. :灵活地绘制观测数据的单变量分布
     

     

     

  。

displot

语法

seaborn.displot(data=Node,*, x=None, y=None, hue=None, row=None, col=None, weights=None, kind=hist, rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)

这个函数提供了几种可视化数据的单变量或双变量分布的方法  


     


     


     

，包括通过语义映射和跨多个子图分面定义的数据子集  




  




  




  
。

通过kind参数


 




 




 




，选择不同的方法：

histplot() kedplot() edfplot()

此外   

   

   

  ，可以将rugplot()添加到任何类型的图中以显示单个的观察结果 


  


  


  


。

参数说明

data是输入的数据集   

     

     

     
，数据类型可以是pandas.DataFrame对象    
    
    
   、numpy.ndarray数组  


     


     


     

、映射或序列类型等
     
     
     
 。 x和y是参数data中的键或向量



  




  




  




，指定关系图中x轴和y轴的变量   




   




   




   。 hue也是data中的键或向量  


  


  


 ，根据hue变量对数据进行分组    
     
     
     ，并在图中使用不同颜色的元素加以区分 



 



 



 



。 hue_order指定色调语义的分类级别的处理和绘图顺序               。 hue_norm可以是设置数据单元规范化范围的一对值




   




   




   




，也可以是将数据单元映射到[0,1]区间的对象
    




    




    




    。 使用意味着数字映射


















。 size也是data中的键或向量 



 



 



，根据size变量控制图中点的大小或线条的粗细                。 style也是data中的键或向量                    ，根据style变量对数据进行分组




    




    




    



，并在图中使用不同类型的元素加以区分















，比如点线


 




 




 




、虚线等
     



     



     



    。 kind指定要绘制的关系图类型                   ，可选"scatter"(散点图)和"line"(线形图) 



     



     



     


，默认值为"scatter"

















。

举例

#可以加载anaconda中sns库自己带的一些数据源 进行示例 
    
    
    
。 penguins = sns.load_dataset("penguins") sns.displot(data=penguins, x="flipper_length_mm")

使用kind=‘kde’参数来显示核密度估计,(kernel density estimates)；

使用kind=ecdf’参数来显示经验累积分布函数（empirical cumulative distribution functions）

同时也可以在直方图中
















，显示核密度估计

绘制一个二元分析图    
    
    
   ，将x和y都赋值:

这幅图片里面内容不是很有意义  


     


     


     

，但是也能看得出pCO2值与year的变化与分布；

目前


 




 




 




，二元分析图仅适用于直方图和KDEs: 当然也可以使用kdes方式来画二元分析图   

   

   

  ，可以发现数据的分布情况；

对于每种类型的图   

     

     

     
，你也可以用一个边缘的“地毯 
    
    
    
”来显示单个的观察结果: 即在坐标轴上显示每个变量的分布状况

每种图都可以使用hue参数 映射为数据的子集单独绘制:使用的数据中有空值



  




  




  




，所以加上了warn_singular
     


     


     


   。

可以再加上一些参数  


  


  


 ，来是的画的更好看；

multiple must be one of [‘layer’, ‘stack’, ‘fill’, ‘dodge’]

使用col参数来分图画；这里使用官网的数据源；

你可以通过height 和 aspect参数来控制它的大小和形状:

设置x   

   

   

  、y轴 的命名 和单位；设置子标题命名

关于其他函数的讲解

还有其他API：histplot    
     
     
     ，kdeplot 




 




 




 

。 

   

   

   

。
     

     

     

  。读者可以参考下面网址  




  




  




  
。

这些画图工具能画出来太多的图了




   




   




   




，但是基本上用法大家都清楚 


  


  


  


。

https://seaborn.pydata.org/api.html#categorical-plots