seaborn.scatterplot#
- seaborn.scatterplot(data=None, *, x=None, y=None, hue=None, size=None, style=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, legend='auto', ax=None, **kwargs)[源代码]#
绘制一个散点图，具有多种语义分组的可能性。
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。- 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 将生成具有不同颜色的点的分组变量。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 将生成不同大小点的分组变量。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 将生成具有不同标记点的分组变量。可以具有数值类型，但始终会被视为分类变量。
- 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。- 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。- 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。- ax
matplotlib.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.scatter()。
- 数据 :
- 返回:
matplotlib.axes.Axes包含图形的 matplotlib 轴。
示例