sns.jointplot()双变量图，也就是双变量独自的分布图，以及这双变量的相关性图

数据分析中常用做图的方式实现相关性分析，即X轴设置为变量A，Y轴设置为变量B，做散点图，由于散点图中点的叠加显示，往往还需要关注每个变量自身的分布情况，jointplot把描述变量的分布图和变量相关的散点图组合在一起，是相关性分析最常用的工具，图片上还能展示回归曲线，以及相关系数

import statsmodels.api as sm
import seaborn as sns
sns.set(style="darkgrid")
data = sm.datasets.ccard.load_pandas().data
g = sns.jointplot('AVGEXP', 'AGE', data=data, kind="reg",
                 xlim=(0, 1000), ylim=(0, 50), color="m")

 

 下面我们看一下参数以及常见例子

seaborn.jointplot(*, x=None, y=None, data=None, kind='scatter', color=None, height=6, ratio=5, space=0.2,
 dropna=False, xlim=None, ylim=None, marginal_ticks=False, joint_kws=None, marginal_kws=None,
hue=None, palette=None, hue_order=None, hue_norm=None, **kwargs)

kind：{ “scatter” | “kde” | “hist” | “hex” | “reg” | “resid” }

主要了解一下这个kind参数，其余的可以参考官网：http://seaborn.pydata.org/generated/seaborn.jointplot.html?highlight=jointplot#seaborn.jointplot

下面代码全部都是在seaborn0.11.0版本下实现，可以使用

import seaborn as sns 
sns.__version__  #检查模块版本

如果不是，则需要升级版本

pip install -U 模块名   # 这是 python2+ 版本的用法更新模块
pip3 install -U 模块名   # 这是 python3+ 版本的用法更新模块

在最简单的调用中，只有x和y，默认的是散点图和直方图

penguins = sns.load_dataset("penguins")
sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")

 增加hue变量将为散点图添加条件颜色，并kdeplot()在边沿轴上绘制单独的密度曲线（使用）

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")

通过该kind参数可以使用几种不同的绘图方法。设置kind="kde"将绘制双变量和单变量KDE

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde")

 

 设置kind="reg"以添加线性回归拟合（使用regplot()）和单变量KDE曲线

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="reg")

 

 对于基于bin的关节分布可视化，还有两个选项。第一个使用kind="hist"，histplot()在所有轴上使用

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hist")

 

 或者，设置kind="hex"将使用matplotlib.axes.Axes.hexbin()六角形箱来计算双变量直方图

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hex")

 

 可以将其他关键字参数传递给基础图

sns.jointplot(
    data=penguins, x="bill_length_mm", y="bill_depth_mm",
    marker="+", s=100, marginal_kws=dict(bins=25, fill=False),
)

 

 使用JointGrid参数来控制图形的大小和布局

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", height=5, ratio=2, marginal_ticks=True)

 

 要将更多层添加到绘图上，请使用返回的JointGrid对象上的方法：jointplot()

g = sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot_joint(sns.kdeplot, color="r", zorder=0, levels=6)
g.plot_marginals(sns.rugplot, color="r", height=-.15, clip_on=False)