# seaborn.relplot > 譯者：[Stuming](https://github.com/Stuming) ```py 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) ``` 繪制相關關系圖像到 FacetGrid 的圖像級別接口。 此函數提供對一些不同軸級別函數的訪問，這些函數通過子集的語義映射顯示兩個變量之間的關系。`kind`參數選擇要使用的基礎軸級函數： * [`scatterplot()`](seaborn.scatterplot.html#seaborn.scatterplot "seaborn.scatterplot") （通過`kind="scatter"`訪問；默認為此） * [`lineplot()`](seaborn.lineplot.html#seaborn.lineplot "seaborn.lineplot") (通過`kind="line"`訪問) 額外的關鍵字參數會被傳遞給隱含的函數，因此使用時應當參考對應函數的文檔去了解各種選項。 對于數據不同子集的`x`與`y`的繪制關系可以通過`hue`, `size`以及`style`參數控制。這些參數控制使用哪些視覺語義來區分不同的子集。使用所有三個語義類型可以獨立展示三個維度，但是這種方式得到的繪制結果難以被理解而且低效。使用多種語義（例如對相同變量同時使用`hue`及`style`）可以使圖像更加易懂。 參考[tutorial](http://seaborn.pydata.org/tutorial/relational.html#relational-tutorial)獲得更多信息。 繪制后，會返回帶有圖像的[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")，隨后可以直接進行圖像細節調節或者加入其他圖層。 值得注意的是，與直接使用隱含函數的方式不同，數據必須以長格式的 DataFrame 傳入，同時變量通過`x`, `y`及其他參數指定。 參數：`x, y`：`data`中的變量名 > 輸入數據的變量；數據必須為數值型。 `hue`: `data`中的名稱，可選 > 將會產生具有不同顏色的元素的變量進行分組。這些變量可以是類別變量或者數值型變量，盡管顏色映射在后面的情況中會有不同的表現。 `size`：`data`中的名稱，可選 > 將會產生具有不同尺寸的元素的變量進行分組。這些變量可以是類別變量或者數值型變量，盡管尺寸映射在后面的情況中會有不同的表現。 `style`：`data`中的名稱，可選 > 將會產生具有不同風格的元素的變量進行分組。這些變量可以為數值型，但是通常會被當做類別變量處理。 `data`：DataFrame > 長格式的 DataFrame，每列是一個變量，每行是一個觀察值。 `row, col`：`data`中的變量名，可選 > 確定網格的分面的類別變量。 `col_wrap`：int, 可選 > 以此寬度“包裹”列變量，以便列分面跨越多行。與`row`分面不兼容。 `row_order, col_order`：字符串列表，可選 > 以此順序組織網格的行和/或列，否則順序將從數據對象中推斷。 `palette`：色盤名，列表，或者字典，可選 > 用于`hue`變量的不同級別的顏色。應當是[`color_palette()`](seaborn.color_palette.html#seaborn.color_palette "seaborn.color_palette")可以解釋的東西，或者將色調級別映射到 matplotlib 顏色的字典。 `hue_order`：列表，可選 > 指定`hue`變量層級出現的順序，否則會根據數據確定。當`hue`變量為數值型時與此無關。 `hue_norm`：元組或者 Normalize 對象，可選 > 當`hue`變量為數值型時，用于數據單元的 colormap 的標準化。如果`hue`為類別變量則與此無關。 `sizes`：列表、典或者元組，可選 > 當使用`sizes`時，用于確定如何選擇尺寸。此變量可以一直是尺寸值的列表或者`size`變量的字典映射。當`size`為數值型時，此變量也可以是指定最小和最大尺寸的元組，這樣可以將其他值標準化到這個范圍。 `size_order`：列表，可選 > 指定`size`變量層次的表現順序，不指定則會通過數據確定。當`size`變量為數值型時與此無關。 `size_norm`：元組或者 Normalize 對象，可選 > 當`size`變量為數值型時，用于數據單元的 scaling plot 對象的標準化。 `legend`：“brief”, “full”, 或者 False, 可選 > 用于決定如何繪制坐標軸。如果參數值為“brief”, 數值型的`hue`以及`size`變量將會被用等間隔采樣值表示。如果參數值為“full”, 每組都會在坐標軸中被記錄。如果參數值為“false”, 不會添加坐標軸數據，也不會繪制坐標軸。 `kind`：string, 可選 > 繪制圖的類型，與 seaborn 相關的圖一致。可選項為(`scatter`及`line`). `height`：標量, 可選 > 每個 facet 的高度（英寸）。參見`aspect`。 `aspect`：標量, 可選 > 每個 facet 的長寬比，因此“長寬比*高度”可以得出每個 facet 的寬度（英寸）。 `facet_kws`：dict, 可選 > 以字典形式傳給[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")的其他關鍵字參數. `kwargs`：鍵值對 > 傳給后續繪制函數的其他關鍵字參數。 返回值：`g`：[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid") > 返回包含圖像的[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")對象，圖像可以進一步調整。 示例 使用[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")的坐標軸布局繪制簡單的 facet。 ```py >>> 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) ```  利用其他變量繪制 facet: ```py >>> g = sns.relplot(x="total_bill", y="tip", ... hue="day", col="time", data=tips) ```  繪制兩行兩列的 facet: ```py >>> g = sns.relplot(x="total_bill", y="tip", hue="day", ... col="time", row="sex", data=tips) ```  將多行 facets 轉換為多列: ```py >>> g = sns.relplot(x="total_bill", y="tip", hue="time", ... col="day", col_wrap=2, data=tips) ```  利用指定的屬性值對每個 facet 使用多種語義變量: ```py >>> g = sns.relplot(x="total_bill", y="tip", hue="time", size="size", ... palette=["b", "r"], sizes=(10, 100), ... col="time", data=tips) ```  使用不同類型的圖: ```py >>> fmri = sns.load_dataset("fmri") >>> g = sns.relplot(x="timepoint", y="signal", ... hue="event", style="event", col="region", ... kind="line", data=fmri) ```  改變每個 facet 的大小: ```py >>> g = sns.relplot(x="timepoint", y="signal", ... hue="event", style="event", col="region", ... height=5, aspect=.7, kind="line", data=fmri) ```