Python Seaborn 绘制双变量分布图形

​

 

1、使用 scatterplot 绘制双变量分布

scatterplot() 函数用于绘制双变量分布图形，通常用于研究两个变量之间的关系。使用scatterplot()函数可以绘制两个变量之间的散点图。常用参数如下，

参数	描述
x	x轴上的数据。
y	y轴上的数据。
hue	用于分组数据的列名，不同组使用不同颜色。
style	用于区分不同组的列名，不同组使用不同标记样式。
size	表示数据点大小的列名，根据列值调整数据点大小。
data	包含数据的DataFrame。
palette	调色板，用于设置颜色。
sizes	用于设置不同大小的数据点。
estimator	用于每个分组内计算统计量的函数，如 numpy.mean 。
ci	置信区间的大小。
markers	控制是否显示标记。
x_jitter	控制x轴上的抖动。
y_jitter	控制y轴上的抖动。
legend	控制图例的显示方式。
ax	绘图的Axes对象，可指定图形绘制位置。

使用示例：

import seaborn as sns
import matplotlib.pyplot as plt

# 示例数据
import pandas as pd
data = pd.DataFrame({
    "X": [1, 2, 3, 4, 5],
    "Y": [2, 4, 1, 3, 5],
    "Group": ["A", "A", "B", "B", "C"],
    "Size": [10, 20, 30, 40, 50]
})

# 创建散点图
sns.scatterplot(x="X", y="Y", hue="Group", style="Group", size="Size", data=data, palette="Set1", sizes=(100, 200), legend="full")

# 添加标题
plt.title("cjavapy")

# 显示图例
plt.legend(title="Groups")

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图形
plt.show()

2、使用 jointplot 绘制双变量分布

jointplot() 函数用于绘制双变量分布图，通常用于可视化两个变量之间的关系。可以根据自己的数据和需求来调整这些参数，以创建不同类型的双变量分布图。常用参数如下，

参数	描述
x	指定 x 轴的数据
y	指定 y 轴的数据
data	包含数据的 DataFrame
kind	绘图的类型{ “scatter” | “kde” | “hist” | “hex” | “reg” | “resid” }
color	指定绘图的颜色
height	图形的高度
ratio	联合图中散点图和轴的高宽比
space	联合图中轴之间的空间
dropna	是否删除包含 NaN 值的行
xlim 和 ylim	设置 x 和 y 轴的限制
joint_kws	传递给散点图或其他绘图类型的其他参数

使用示例：Python Seaborn 绘制双变量分布图形-CJavaPy

3、使用 pairplot 绘制双变量分布

当同时查看多个双变量分布时，pairplot()函数非常有用。它会创建一个网格，展示数据集中每对变量的关系。pairplot() 函数用于绘制数据集中多个变量之间的关系图，通常用于研究变量之间的相关性。常用参数如下，

参数	描述
data	包含数据的 DataFrame 对象
hue	用于分组数据的列名
vars	要绘制的特定列的列表，如果为 None，则绘制所有列
kind	图的类型{‘scatter’, ‘kde’, ‘hist’, ‘reg’}
diag_kind	对角线上的图的类型{‘auto’, ‘hist’, ‘kde’, None}
markers	不同组的数据点标记样式
palette	调色板名称或颜色映射，用于控制不同组的颜色
height	每个子图的高度（以英寸为单位）
aspect	每个子图的宽高比
plot_kws	传递给绘图函数的其他关键字参数
diag_kws	传递给对角线图的其他关键字参数

使用示例：Python Seaborn 绘制双变量分布图形-CJavaPy

​