API 参考#

对象接口#

绘图对象#

一个用于声明式指定统计图形的接口。

标记对象#

点标记

`Dot`	适用于点图或密度较低的散点图的标记。
`Dots`	通过笔画定义的点标记，以更好地处理重叠绘图。

线标记

`Line`	沿着方向轴连接数据点的标记。
`Lines`	一种更快但灵活性较低的标记，用于绘制多条线。
`Path`	按出现顺序连接数据点的标记。
`Paths`	一种更快但灵活性较低的标记，用于绘制多条路径。
`Dash`	为每个数据点绘制的带有方向的线段标记。
`Range`	在最小值和最大值之间绘制的定向线标记。

Bar 标记

`Bar`	在基线和数据值之间绘制的条形标记。
`Bars`	一个更快的条形标记，默认设置更适合直方图。

填充标记

`Area`	从基线绘制到数据值的填充标记。
`Band`	表示值之间间隔的填充标记。

文本标记

用于注释或表示数据值的文本标记。

Stat 对象#

`Agg`	使用给定方法沿值轴聚合数据。
`Est`	计算一个点估计值和误差条区间。
`Count`	计算组内不同观测值的数量。
`Hist`	分箱观察值，计数，并可选择归一化或累积。
`KDE`	计算单变量核密度估计。
`Perc`	将观测值替换为百分位数值。
`PolyFit`	拟合给定阶数的多项式并将数据重采样到预测曲线上。

移动对象#

`Dodge`	沿方向轴的叠加标记的位移和缩小。
`Jitter`	沿一个或两个轴进行随机位移以减少重叠绘图。
`Norm`	在组内聚合后，对值轴进行分裂缩放。
`Stack`	沿数值轴移动重叠的条形或面积标记。
`Shift`	所有标记以相同的大小/方向进行位移。

缩放对象#

`Boolean`	一个具有 True 和 False 值离散域的刻度。
`Continuous`	支持规范和功能转换的数值尺度。
`Nominal`	没有相对重要性/大小的分类尺度。
`Temporal`	日期/时间数据的刻度。

基类#

`Mark`	用于视觉上表示数据的基类。
`Stat`	应用统计变换的对象的基类。
`Move`	用于应用简单位置变换的对象的基类。
`Scale`	映射数据值到视觉属性的对象的基类。

函数接口#

关系图#

`relplot`	用于在 FacetGrid 上绘制关系图的图级别接口。
`scatterplot`	绘制一个散点图，具有多种语义分组的可能性。
`lineplot`	绘制一个带有多个语义分组的折线图。

分布图#

`displot`	用于在 FacetGrid 上绘制分布图的图层级接口。
`histplot`	绘制单变量或双变量直方图以显示数据集的分布。
`kdeplot`	使用核密度估计绘制单变量或双变量分布图。
`ecdfplot`	绘制经验累积分布函数。
`rugplot`	通过在x轴和y轴上绘制刻度来绘制边际分布。
`distplot`	已弃用

分类图#

`catplot`	用于在 FacetGrid 上绘制分类图的图级接口。
`stripplot`	使用抖动减少重叠，绘制分类散点图。
`swarmplot`	绘制一个分类散点图，点调整以避免重叠。
`boxplot`	绘制箱线图以显示相对于类别的分布。
`violinplot`	绘制一个代表 KDE 的补丁并添加观测值或箱线图统计数据。
`boxenplot`	为较大的数据集绘制增强的箱线图。
`pointplot`	使用带有标记的线条显示点估计值和误差。
`barplot`	以矩形条显示点估计值和误差。
`countplot`	使用条形图显示每个分类箱中的观测计数。

回归图#

`lmplot`	在 FacetGrid 上绘制数据和回归模型拟合。
`regplot`	绘制数据和线性回归模型拟合。
`residplot`	绘制线性回归的残差。

矩阵图#

`heatmap`	将矩形数据绘制为颜色编码的矩阵。
`clustermap`	将矩阵数据集绘制为层次聚类热图。

多图网格#

配对网格#

`pairplot`	绘制数据集中成对关系的图表。
`PairGrid`	用于绘制数据集中成对关系的子图网格。

联合网格#

`jointplot`	绘制两个变量的图表，包括双变量和单变量图形。
`JointGrid`	用于绘制具有边缘单变量图的双变量图的网格。

主题化#

`set_theme`	设置所有 matplotlib 和 seaborn 图形的视觉主题的各个方面。
`axes_style`	获取控制绘图整体样式的参数。
`set_style`	设置控制绘图整体样式的参数。
`plotting_context`	获取控制绘图元素缩放的参数。
`set_context`	设置控制绘图元素缩放的参数。
`set_color_codes`	更改 matplotlib 颜色简写的解释方式。
`reset_defaults`	将所有 RC 参数恢复为默认设置。
`reset_orig`	将所有 RC 参数恢复为原始设置（尊重自定义 rc）。
`set`	别名 `set_theme()` ，这是首选的接口。

颜色调色板#

`set_palette`	使用 seaborn 调色板设置 matplotlib 颜色循环。
`color_palette`	返回一个颜色列表或定义调色板的连续色图。
`husl_palette`	在HUSL系统中返回具有恒定亮度和饱和度的色调。
`hls_palette`	在HLS系统中返回具有恒定亮度和饱和度的色调。
`cubehelix_palette`	从cubehelix系统生成一个顺序调色板。
`dark_palette`	创建一个从暗到 `color` 渐变的顺序调色板。
`light_palette`	制作一个从浅到 `颜色` 渐变的顺序调色板。
`diverging_palette`	在两个 HUSL 颜色之间创建一个发散调色板。
`blend_palette`	创建一个调色板，使其在颜色列表之间过渡。
`xkcd_palette`	使用来自 xkcd 颜色调查的颜色名称制作一个调色板。
`crayon_palette`	使用Crayola蜡笔的颜色名称制作一个调色板。
`mpl_palette`	从 matplotlib 注册表中返回一个调色板或颜色映射。

调色板小部件#

`choose_colorbrewer_palette`	从 ColorBrewer 集中选择一个调色板。
`choose_cubehelix_palette`	启动一个交互式小部件以创建顺序立方螺旋调色板。
`choose_light_palette`	启动一个交互式小部件以创建一个轻量级的顺序调色板。
`choose_dark_palette`	启动一个交互式小部件以创建一个暗色顺序调色板。
`choose_diverging_palette`	启动一个交互式小部件以选择一个发散的颜色调色板。

实用函数#

`despine`	从绘图中移除顶部和右侧的脊线。
`move_legend`	在新的位置重新创建图例。
`saturate`	返回一个具有相同色调的完全饱和的颜色。
`desaturate`	将颜色的饱和度通道减少一定百分比。
`set_hls_values`	独立操作颜色的 h、l 或 s 通道。
`load_dataset`	从在线仓库加载一个示例数据集（需要互联网）。
`get_dataset_names`	报告可用的示例数据集，有助于报告问题。
`get_data_home`	返回示例数据集的缓存目录的路径。