seaborn.lineplot

seaborn.lineplot(data=None, *, x=None, y=None, hue=None, size=None, style=None, units=None, weights=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, dashes=True, markers=None, style_order=None, estimator='mean', errorbar=('ci', 95), n_boot=1000, seed=None, orient='x', sort=True, err_style='band', err_kws=None, legend='auto', ci='deprecated', ax=None, **kwargs)

绘制一个带有多个语义分组的折线图。

通过使用 hue、size 和 style 参数，可以展示 x 和 y 在数据不同子集之间的关系。这些参数控制用于标识不同子集的可视化语义。通过使用所有三种语义类型，可以独立显示多达三个维度，但这种图表风格可能难以解释，并且通常效果不佳。使用冗余语义（即对同一变量同时使用 hue 和 style）可以帮助使图形更易于理解。

更多信息请参见 教程。

如果存在 hue`（以及在较小程度上，`size）语义，默认的处理方式取决于变量是否被推断为表示“数值”或“分类”数据。特别是，数值变量默认使用顺序色图表示，并且图例条目显示带有值的常规“刻度”，这些值可能存在于数据中，也可能不存在。这种行为可以通过以下描述和示例的各种参数进行控制。

默认情况下，绘图会在每个 x 值上聚合多个 y 值，并显示该估计值的集中趋势估计和置信区间。

参数:

数据 : pandas.DataFrame, numpy.ndarray, 映射, 或序列pandas.DataFrame, numpy.ndarray, 映射, 或序列

输入数据结构。可以是可分配给命名变量的长格式向量集合，也可以是将被内部重塑的宽格式数据集。

x, y : data 中的向量或键向量或键

指定x轴和y轴位置的变量。

hue : data 中的向量或键向量或键

分组变量，将生成具有不同颜色的线条。可以是分类变量或数值变量，尽管在后一种情况下颜色映射的行为会有所不同。

size : 向量或 data 中的键向量或键

分组变量，将生成不同宽度的线条。可以是分类变量或数值变量，尽管在后一种情况下，大小映射的行为会有所不同。

样式 : 向量或 数据 中的键向量或键

分组变量，将生成带有不同破折号和/或标记的线条。可以具有数值类型，但始终会被视为分类变量。

单位 : 向量或 数据 中的键向量或键

分组变量，用于识别采样单位。使用时，将为每个单位绘制单独的线条，并带有适当的语义，但不会添加图例条目。在不需要精确身份时，显示实验重复的分布非常有用。

weights : 向量或 data 中的键向量或键

用于计算加权估计的数据值或列。请注意，目前使用权重将统计选择限制为 ‘均值’ 估计器和 ‘置信区间’ 误差条。

palette : 字符串, 列表, 字典, 或 matplotlib.colors.Colormap字符串, 列表, 字典, 或

选择用于映射 hue 语义的颜色时的方法。字符串值传递给 color_palette()。列表或字典值意味着分类映射，而颜色映射对象意味着数值映射。

hue_order字符串向量

指定 hue 语义的分类级别的处理和绘图顺序。

hue_norm : 元组或 matplotlib.colors.Normalize元组或

一对设置数据单位归一化范围的值，或一个将数据单位映射到 [0, 1] 区间的对象。使用时意味着数值映射。

尺寸列表、字典或元组

一个决定在使用 size 时如何选择大小的对象。列表或字典参数应为每个唯一的数据值提供一个大小，这会强制进行分类解释。该参数也可以是一个最小值、最大值的元组。

size_order列表

指定 size 变量级别的显示顺序，否则它们将从数据中确定。当 size 变量为数值时不相关。

size_norm元组或归一化对象

当 size 变量为数值时，用于缩放绘图对象的数据单位标准化。

破折号布尔值、列表或字典

对象确定如何绘制 style 变量不同级别的线条。设置为 True 将使用默认的虚线代码，或者您可以传递一个虚线代码列表或一个将 style 变量级别映射到虚线代码的字典。设置为 False 将使用实线绘制所有子集。虚线在 matplotlib 中指定为：一个 (线段, 间隙) 长度的元组，或者一个空字符串来绘制实线。

标记布尔值、列表或字典

对象确定如何绘制 style 变量不同级别的标记。设置为 True 将使用默认标记，或者您可以传递一个标记列表或一个将 style 变量级别映射到标记的字典。设置为 False 将绘制无标记的线条。标记的指定方式与 matplotlib 中相同。

style_order列表

指定 style 变量级别的显示顺序，否则它们将从数据中确定。当 style 变量为数值时，此设置不相关。

估计器pandas 方法或可调用对象的名称或 None

在相同的 x 水平上聚合 y 变量的多个观测值的方法。如果为 None，将绘制所有观测值。

errorbar字符串, (字符串, 数字) 元组, 或可调用对象

误差棒方法的名称（可以是“ci”、“pi”、“se”或“sd”），或一个包含方法名称和级别参数的元组，或一个将向量映射到（最小值，最大值）区间的函数，或None以隐藏误差棒。更多信息请参阅 误差棒教程。

n_boot整数

用于计算置信区间的引导次数。

种子int, numpy.random.Generator, 或 numpy.random.RandomState

用于可重复引导的种子或随机数生成器。

orient“x” 或 “y”

数据排序/聚合的维度。等效地，是结果函数的“自变量”。

排序布尔

如果为True，数据将按x和y变量排序，否则线条将按数据集中出现的顺序连接点。

err_style“band” 或 “bars”

是否使用半透明的误差带或离散的误差条来绘制置信区间。

err_kws关键字参数的字典

用于控制误差条美学的额外参数。kwargs 会被传递给 matplotlib.axes.Axes.fill_between() 或 matplotlib.axes.Axes.errorbar()，具体取决于 err_style。

图例“auto”、“brief”、“full”或False

如何绘制图例。如果为“brief”，数值型的 hue 和 size 变量将用均匀间隔的值样本表示。如果为“full”，每个组都会在图例中获得一个条目。如果为“auto”，则根据级别的数量在简短或完整表示之间选择。如果为 False，则不会添加图例数据，也不会绘制图例。

ci整数 或 “sd” 或 无

聚合时绘制的置信区间大小。

自 0.12.0 版本弃用: 使用新的 errorbar 参数以获得更多灵活性。

axmatplotlib.axes.Axes

图形的预先存在的轴。否则，在内部调用 matplotlib.pyplot.gca()。

kwargs键, 值 映射

其他关键字参数会传递给 matplotlib.axes.Axes.plot()。

返回:

matplotlib.axes.Axes

包含图形的 matplotlib 轴。

参见

scatterplot

使用点绘制数据。

pointplot

使用标记和线条绘制点估计值和置信区间。

示例