seaborn.catplot · seaborn 0.9 中文文檔

# seaborn.catplot > 譯者：[LIJIANcoder97](https://github.com/LIJIANcoder97) ```py seaborn.catplot(x=None, y=None, hue=None, data=None, row=None, col=None, col_wrap=None, estimator=<function mean>, ci=95, n_boot=1000, units=None, order=None, hue_order=None, row_order=None, col_order=None, kind='strip', height=5, aspect=1, orient=None, color=None, palette=None, legend=True, legend_out=True, sharex=True, sharey=True, margin_titles=False, facet_kws=None, **kwargs) ``` seaborn.catplot 是一個將分類圖繪制到 FacetGrid 上圖級別接口。這個函數可以訪問多個軸級功能，這些軸級功能通過不同的可視化圖表展示數字和一個或多個分類變量的關系。`kind` 參數可以選擇的軸級基礎函數有：分類散點圖: * [`stripplot()`](seaborn.stripplot.html#seaborn.stripplot "seaborn.stripplot") (with `kind="strip"`; the default) * [`swarmplot()`](seaborn.swarmplot.html#seaborn.swarmplot "seaborn.swarmplot") (with `kind="swarm"`) 分類分布圖: * [`boxplot()`](seaborn.boxplot.html#seaborn.boxplot "seaborn.boxplot") (with `kind="box"`) * [`violinplot()`](seaborn.violinplot.html#seaborn.violinplot "seaborn.violinplot") (with `kind="violin"`) * [`boxenplot()`](seaborn.boxenplot.html#seaborn.boxenplot "seaborn.boxenplot") (with `kind="boxen"`) 分類估計圖: * [`pointplot()`](seaborn.pointplot.html#seaborn.pointplot "seaborn.pointplot") (with `kind="point"`) * [`barplot()`](seaborn.barplot.html#seaborn.barplot "seaborn.barplot") (with `kind="bar"`) * [`countplot()`](seaborn.countplot.html#seaborn.countplot "seaborn.countplot") (with `kind="count"`) 額外的關鍵字參數將傳遞給基礎函數，因此，您應參閱每個文檔，以查看特定類型的選項. 請注意，與直接使用軸級函數不同, 數據必須在長格式 DataFrame 中傳遞，并通過將字符串傳遞給 `x`, `y`, `hue`, 等指定的變量. 與基礎繪圖函數的情況一樣, 如果變量有 `categorical` 數據類型, 則將從對象推斷出分類變量的級別及其順序。否則，您可能必須使用更改 dataframe 排序或使用函數參數(`orient`, `order`, `hue_order`, etc.) 來正確設置繪圖。此函數始終將其中一個變量視為分類，并在相關軸上的序數位置（0,1，... n）處繪制數據，即使數據具有數字或日期類型。有關更多信息，請參考 [tutorial](http://seaborn.pydata.org/tutorial/categorical.html#categorical-tutorial)。繪圖后，返回帶有繪圖的 [`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")，可以直接用于調整繪圖細節或添加其他圖層。參數：`x, y, hue`： `data` names 中的變量名稱 > 用于繪制長格式數據的輸入。查看解釋示例 `data`：DataFrame > 用于繪圖的長形（整潔）數據集。每列應對應一個變量，每行應對應一個觀察。 `row, col`：`data` 中的變量名稱, 可選 > 分類變量將決定網格的分面。 `col_wrap`：int, 可選 > 以此寬度“包裹”列變量，以便列面跨越多行。與`行`方面不兼容。 `estimator`：可調用的映射向量 -> 標量，可選 > 在每個分類箱內估計的統計函數。 `ci`：float 或“sd”或 None，可選 > 在估計值附近繪制置信區間的大小。如果是“sd”，則跳過自舉(bootstrapping)并繪制觀察的標準偏差。None,如果為`None`，則不執行自舉，并且不會繪制錯誤條。 `n_boot`：int，可選 > 計算置信區間時使用的引導程序迭代次數。 `units`：`數據`或矢量數據中變量的名稱,可選 >采樣單元的標識符，用于執行多級引導程序并考慮重復測量設計。 `order, hue_order`：字符串列表，可選 > 命令繪制分類級別，否則從數據對象推斷級別。 `row_order, col_order`：字符串列表，可選 >命令組織網格的行和/或列，否則從數據對象推斷命令。 `kind`：字符串，可選 >要繪制的繪圖類型（對應于分類繪圖功能的名稱。選項包括：“點”，“條形”，“條形”，“群”，“框”，“小提琴”或“盒子”。 `height`：標量，可選 > 每個刻面的高度（以英寸為單位）。另見： `aspect`。 `aspect`：標量，可選 > 每個面的縱橫比，因此`aspect * height`給出每個面的寬度，單位為英寸。 `orient`：“v” | “h”, 可選 > 圖的方向（垂直或水平）。這通常是從輸入變量的 dtype 推斷出來的，但可用于指定“分類”變量何時是數字或何時繪制寬格式數據。 `color`：matplotlib 顏色，可選 > 所有元素的顏色，或漸變調色板的種子。 `palette`：調色板名稱，列表或字典，可選 > 用于色調變量的不同級別的顏色。應該是 [`color_palette()`](seaborn.color_palette.html#seaborn.color_palette "seaborn.color_palette"), 可以解釋的東西，或者是將色調級別映射到 matplotlib 顏色的字典。 `legend`：bool, 可選 > 如果為 `True` 并且存在`hue`變量，則在圖上繪制圖例。t. `legend_out`：bool, 可選 > 如果為`True`，則圖形尺寸將被擴展，圖例將繪制在中間右側的圖形之外。 `share{x,y}`：bool, ‘col’, 或 ‘row’ 可選 > 如果為 true，則 facet 將跨行跨越列和/或 x 軸共享 y 軸。 `margin_titles`：bool, 可選 > 如果為`True`，則行變量的標題將繪制在最后一列的右側。此選項是實驗性的，可能無法在所有情況下使用。 `facet_kws`：dict, 可選 > 傳遞給[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")的其他關鍵字參數的字典。 `kwargs`：key, value 配對 > 其他關鍵字參數將傳遞給基礎繪圖函數。返回值：`g`：[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid") > 返回[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")對象及其上的繪圖以進一步調整。例子繪制單個構面以使用[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid")圖例放置： ```py >>> import seaborn as sns >>> sns.set(style="ticks") >>> exercise = sns.load_dataset("exercise") >>> g = sns.catplot(x="time", y="pulse", hue="kind", data=exercise) ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-1.png](https://img.kancloud.cn/f6/8c/f68ce9b75ded15356b357cea7c1d25ba_545x450.jpg) 使用不同的繪圖類型可視化相同的數據： ```py >>> g = sns.catplot(x="time", y="pulse", hue="kind", ... data=exercise, kind="violin") ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-2.png](https://img.kancloud.cn/80/3a/803a526dd8138d53e9e9f25e3b061f1b_545x450.jpg) 沿列的方面顯示第三個分類變量： ```py >>> g = sns.catplot(x="time", y="pulse", hue="kind", ... col="diet", data=exercise) ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-3.png](https://img.kancloud.cn/49/cb/49cbf5131c2c04f1ba1e4f674d94008d_995x450.jpg) 為構面使用不同的高度和寬高比： ```py >>> g = sns.catplot(x="time", y="pulse", hue="kind", ... col="diet", data=exercise, ... height=5, aspect=.8) ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-4.png](https://img.kancloud.cn/e0/37/e037d8f82cfb1324e60dc01b682e76ba_815x450.jpg) 創建許多列構面并將它們包裝到網格的行中： ```py >>> titanic = sns.load_dataset("titanic") >>> g = sns.catplot("alive", col="deck", col_wrap=4, ... data=titanic[titanic.deck.notnull()], ... kind="count", height=2.5, aspect=.8) ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-5.png](https://img.kancloud.cn/77/2a/772ad0bed176f052f6a956dfb67a7aa2_720x450.jpg) 水平繪圖并將其他關鍵字參數傳遞給繪圖函數： ```py >>> g = sns.catplot(x="age", y="embark_town", ... hue="sex", row="class", ... data=titanic[titanic.embark_town.notnull()], ... orient="h", height=2, aspect=3, palette="Set3", ... kind="violin", dodge=True, cut=0, bw=.2) ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-6.png](https://img.kancloud.cn/d5/ce/d5ce06443e6ffbb4a74bca14045be1a2_631x540.jpg) 使用返回的[`FacetGrid`](seaborn.FacetGrid.html#seaborn.FacetGrid "seaborn.FacetGrid") 上的方法來調整演示文稿： ```py >>> g = sns.catplot(x="who", y="survived", col="class", ... data=titanic, saturation=.5, ... kind="bar", ci=None, aspect=.6) >>> (g.set_axis_labels("", "Survival Rate") ... .set_xticklabels(["Men", "Women", "Children"]) ... .set_titles("{col_name} {col_var}") ... .set(ylim=(0, 1)) ... .despine(left=True)) <seaborn.axisgrid.FacetGrid object at 0x...> ``` ![http://seaborn.pydata.org/_images/seaborn-catplot-7.png](https://img.kancloud.cn/1e/5f/1e5fe38725b5bf7ce0ba545d8a8dfcee_810x450.jpg)