seaborn.FacetGrid

class seaborn.FacetGrid(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)

用于绘制条件关系的多图网格。

__init__(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)

初始化 matplotlib 图形和 FacetGrid 对象。

此类将数据集映射到多个轴上，这些轴排列成行和列的网格，对应于数据集中变量的*级别*。它生成的图表通常被称为“网格”、“格子”或“小倍数”图形。

它还可以通过 hue 参数表示第三个变量的层次，该参数以不同颜色绘制数据的不同子集。这使用颜色来解析第三维度上的元素，但仅将子集相互叠加，不会像接受 hue 的轴级函数那样为特定可视化定制 hue 参数。

基本工作流程是使用数据集和用于构建网格的变量初始化 FacetGrid 对象。然后可以通过调用 FacetGrid.map() 或 FacetGrid.map_dataframe() 将一个或多个绘图函数应用于每个子集。最后，可以使用其他方法调整图表，例如更改轴标签、使用不同的刻度或添加图例。有关更多信息，请参见下面的详细代码示例。

警告

在使用从数据集中推断语义映射的seaborn函数时，必须注意在各个方面（例如，通过使用调色板字典定义 hue 映射或设置变量的数据类型为 category）同步这些映射。在大多数情况下，使用图级函数（例如 relplot() 或 catplot()）会比直接使用 FacetGrid 更好。

更多信息请参见 教程。

参数:

数据DataFrame

Tidy（“长格式”）数据框，其中每一列是一个变量，每一行是一个观察值。

行, 列, 色调字符串

定义数据子集的变量，这些子集将在网格中的单独面中绘制。请参阅 {var}_order 参数以控制此变量级别的顺序。

col_wrap整数

在此宽度处“包裹”列变量，以便列分面跨越多行。与 row 分面不兼容。

share{x,y}布尔值, ‘列’, 或 ‘行’ 可选

如果为真，面将共享列之间的y轴和/或行之间的x轴。

高度标量

每个分面的高度（以英寸为单位）。另见：aspect。

方面标量

每个面的宽高比，使得 aspect * height 给出每个面在英寸中的宽度。

调色板调色板名称、列表或字典

用于 hue 变量不同级别的颜色。应该是可以被 color_palette() 解释的内容，或者是一个将色调级别映射到 matplotlib 颜色的字典。

{row,col,hue}_order列表

分面变量的级别顺序。默认情况下，这将是级别在 data 中出现的顺序，或者如果变量是 pandas 分类变量，则是分类顺序。

hue_kws参数 -> 值列表映射的字典

其他关键字参数，用于插入到绘图调用中，以使其他绘图属性随色调变量的级别而变化（例如，散点图中的标记）。

legend_out布尔

如果 True ，图形尺寸将被扩展，图例将在图的右中位置绘制在图外。

去枝布尔

从图表中移除顶部和右侧的轴线。

margin_titles布尔

如果 True，行变量的标题将绘制在最后一列的右侧。此选项是实验性的，可能在所有情况下都无法正常工作。

{x, y}lim: 元组

每个分面中每个轴的限制（仅在 share{x, y} 为 True 时相关）。

subplot_kwsdict

传递给 matplotlib 子图方法的关键字参数字典。

gridspec_kwsdict

传递给 matplotlib.gridspec.GridSpec 的关键字参数字典（通过 matplotlib.figure.Figure.subplots()）。如果 col_wrap 不是 None，则忽略。

参见

PairGrid

用于绘制成对关系的子图网格

relplot

结合关系图和 FacetGrid

displot

结合分布图和 FacetGrid

catplot

结合一个分类图和一个 FacetGrid

lmplot

结合回归图和 FacetGrid

示例

备注

这些示例使用 seaborn 函数来展示该类的一些高级功能，但在大多数情况下，您会希望使用图级函数（例如 displot()、relplot()）来制作此处显示的图表。

方法

__init__(data, *[, row, col, hue, col_wrap, ...])	初始化 matplotlib 图形和 FacetGrid 对象。
add_legend([legend_data, title, ...])	绘制图例，可能将其放置在坐标轴外部并调整图形大小。
apply(func, *args, **kwargs)	将网格传递给用户提供的函数并返回自身。
despine(**kwargs)	从分面中移除轴脊。
facet_axis(row_i, col_j[, modify_state])	使由这些索引标识的轴处于活动状态并返回它。
facet_data()	为每个方面生成名称索引和数据子集的生成器。
map(func, *args, **kwargs)	将绘图函数应用于数据的每个分面的子集。
map_dataframe(func, *args, **kwargs)	类似于 .map ，但将参数作为字符串传递，并在 kwargs 中插入数据。
pipe(func, *args, **kwargs)	将网格传递给用户提供的函数并返回其值。
refline(*[, x, y, color, linestyle])	为每个方面添加引用行。
savefig(*args, **kwargs)	保存图形的图像。
set(**kwargs)	在每个子图 Axes 上设置属性。
set_axis_labels([x_var, y_var, clear_inner])	在网格的左侧列和底部行设置轴标签。
set_titles([template, row_template, ...])	在每个分面上方或网格边缘绘制标题。
set_xlabels([label, clear_inner])	在网格的底部行标记x轴。
set_xticklabels([labels, step])	设置网格的x轴刻度标签。
set_ylabels([label, clear_inner])	在网格的左侧列上标记y轴。
set_yticklabels([labels])	在网格的左侧列设置y轴刻度标签。
tick_params([axis])	修改刻度、刻度标签和网格线。
tight_layout(*args, **kwargs)	在排除图例的rect内调用fig.tight_layout。

属性

ax	当没有分配分面变量时，使用 matplotlib.axes.Axes。
axes	网格中 matplotlib.axes.Axes 对象的数组。
axes_dict	一个将分面名称映射到相应的 matplotlib.axes.Axes 的字典。
fig	首选 figure 属性。
figure	访问网格背后的 matplotlib.figure.Figure 对象。
legend	如果存在，则为 matplotlib.legend.Legend 对象。