# seaborn.JointGrid > 譯者：[Yet-sun](https://github.com/Yet-sun) ```py class seaborn.JointGrid(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, size=None) ``` 用于繪制具有邊際單變量圖的雙變量圖的網格。 ```py __init__(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, size=None) ``` 設置子圖的網格。 參數：`x, y`：字符串或向量 > 在 `data`中的數據或變量名 `data`：DataFrame, 可選 > 當 `x` and `y` 是變量名的時候為 DataFrame。 `height`：數字 > 圖中每一條邊的大小（以英寸為單位） `ratio`：數字 > 聯合軸大小與邊緣軸高度的比率。 `space`：數字，可選 > 聯合軸和邊緣軸之間的空間 `dropna`：bool, 可選 > 如果為 True，則刪除 `x` 和 `y`中缺少的觀察結果。 `{x, y}lim`：二元組，可選 > 在繪圖之前設置軸限制。 也可以看看 用于繪制具有多種不同默認繪圖類型的雙變量圖的高級界面。 例子： 初始化圖形，但不在其上繪制任何圖形： ```py >>> import seaborn as sns; sns.set(style="ticks", color_codes=True) >>> tips = sns.load_dataset("tips") >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) ```  使用默認參數添加繪圖： ```py >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) >>> g = g.plot(sns.regplot, sns.distplot) ```  分別繪制聯合分布圖和邊緣直方圖，這可以以更精細的級別控制其他參數： ```py >>> import matplotlib.pyplot as plt >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) >>> g = g.plot_joint(plt.scatter, color=".5", edgecolor="white") >>> g = g.plot_marginals(sns.distplot, kde=False, color=".5") ```  分別繪制兩個邊緣直方圖： ```py >>> import numpy as np >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) >>> g = g.plot_joint(plt.scatter, color="m", edgecolor="white") >>> _ = g.ax_marg_x.hist(tips["total_bill"], color="b", alpha=.6, ... bins=np.arange(0, 60, 5)) >>> _ = g.ax_marg_y.hist(tips["tip"], color="r", alpha=.6, ... orientation="horizontal", ... bins=np.arange(0, 12, 1)) ```  添加注釋，其中包含總結雙變量關系的統計信息： ```py >>> from scipy import stats >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) >>> g = g.plot_joint(plt.scatter, ... color="g", s=40, edgecolor="white") >>> g = g.plot_marginals(sns.distplot, kde=False, color="g") >>> g = g.annotate(stats.pearsonr) ```  使用自定義的函數和注釋格式 ```py >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips) >>> g = g.plot_joint(plt.scatter, ... color="g", s=40, edgecolor="white") >>> g = g.plot_marginals(sns.distplot, kde=False, color="g") >>> rsquare = lambda a, b: stats.pearsonr(a, b)[0] ** 2 >>> g = g.annotate(rsquare, template="{stat}: {val:.2f}", ... stat="$R^2$", loc="upper left", fontsize=12) ```  移除聯合軸和邊緣軸之間的空間： ```py >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips, space=0) >>> g = g.plot_joint(sns.kdeplot, cmap="Blues_d") >>> g = g.plot_marginals(sns.kdeplot, shade=True) ```  繪制具有相對較大邊緣軸的較小圖： ```py >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips, ... height=5, ratio=2) >>> g = g.plot_joint(sns.kdeplot, cmap="Reds_d") >>> g = g.plot_marginals(sns.kdeplot, color="r", shade=True) ```  設置軸的限制： ```py >>> g = sns.JointGrid(x="total_bill", y="tip", data=tips, ... xlim=(0, 50), ylim=(0, 8)) >>> g = g.plot_joint(sns.kdeplot, cmap="Purples_d") >>> g = g.plot_marginals(sns.kdeplot, color="m", shade=True) ```  方法 [`__init__`](#seaborn.JointGrid.__init__ "seaborn.JointGrid.__init__")(x,?y[,?data,?height,?ratio,?space,?…]) | 設置子圖的網格設置子圖的網格。 `annotate`(func[,?template,?stat,?loc]) | 用關于關系的統計數據來標注繪圖。 [`plot`](seaborn.JointGrid.plot.html#seaborn.JointGrid.plot "seaborn.JointGrid.plot")(joint_func,?marginal_func[,?annot_func]) | 繪制完整繪圖的快捷方式。 [`plot_joint`](seaborn.JointGrid.plot_joint.html#seaborn.JointGrid.plot_joint "seaborn.JointGrid.plot_joint")(func,?**kwargs) | 繪制 `x` 和 `y`的雙變量圖。 [`plot_marginals`](seaborn.JointGrid.plot_marginals.html#seaborn.JointGrid.plot_marginals "seaborn.JointGrid.plot_marginals")(func,?**kwargs) | 分別繪制 `x` 和 `y` 的單變量圖。 `savefig`(*args,?**kwargs) | 封裝 figure.savefig 默認為緊邊界框。 `set_axis_labels`([xlabel,?ylabel]) |在雙變量軸上設置軸標簽。