Seaborn.displot() 方法

seaborn.displot() 方法是一個函式，它提供了幾種視覺化資料單變數和雙變數分佈的方法。此函式與 Seaborn 庫中的其他函式一樣，允許繪製由跨多個子圖的語義對映定義的資料子集。

一組數值的分佈和範圍在分佈圖中相對於一個維度表示。

語法

以下是 Seaborn.displot() 方法的語法

seaborn.displot(data=None, *, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)

引數

下面討論了 displot() 方法的一些引數。

序號	引數和描述
1	x,y 表示在 x,y 軸上的變數。
2	Hue 這將生成具有不同顏色的元素。它是一個分組變數。
3	Legend 布林值，如果為假，則抑制圖例在圖中顯示。
4	Row,col 這些引數定義要繪製的子集。
5	Data 此引數接受輸入資料結構。即對映或序列。
6	rug 布林值，如果為真，則顯示邊緣刻度。
7	Kind 對應於要繪製的圖型別。可以是 hist、kde 或 ecdf。
8	Palette 此引數用於設定對映的顏色色調。它可以是 bright、pastel、dark 等。
9	Color 用於指定單個顏色，當未指定 hue 對映時。
10	Aspect 根據此值確定圖的大小。
11	Log_scale 將軸刻度設定為對數，並且繪製的值以對數刻度表示。

此圖提供的預設圖是直方圖。在繼續繪製圖形之前，讓我們載入 seaborn 庫和資料集。

載入 seaborn 庫

要載入或匯入 seaborn 庫，可以使用以下程式碼行。

Import seaborn as sns

載入資料集

在本文中，我們將使用 seaborn 庫中內建的 Tips 資料集。以下命令用於載入資料集。

tips=sns.load_dataset("tips")

以下命令用於檢視資料集中前 5 行。這使我們能夠了解可以使用哪些變數來繪製圖形。

tips.head()

以下是上述程式碼段的輸出。

index,total_bill,tip,sex,smoker,day,time,size
0,16.99,1.01,Female,No,Sun,Dinner,2
1,10.34,1.66,Male,No,Sun,Dinner,3
2,21.01,3.5,Male,No,Sun,Dinner,3
3,23.68,3.31,Male,No,Sun,Dinner,2
4,24.59,3.61,Female,No,Sun,Dinner,4

現在我們已經載入了資料，我們將繼續繪製資料。

示例 1

在此示例中，我們將使用 seabron.displot() 方法為單變數分佈繪製簡單的分佈圖。此方法的預設圖型別是直方圖。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill")
plt.show()

輸出

如我們所見，總賬單列作為直方圖相對於 y 軸上的計數繪製。

示例 2

在此示例中，我們將使用 kind 引數並向其傳遞不同的引數。

kind 引數採用以下三個值之一：kde、ecdf 和 hist。

以下程式碼段輸出一個圖，它是經驗累積分佈圖。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",kind="ecdf")
plt.show()

輸出

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",kind="kde")
plt.show()

示例 3

在此示例中，我們將繪製雙變數分佈圖。這可以透過將資料傳遞到方法的 x 和 y 引數來完成。

sns.displot(data=tips, x="total_bill",y="tip")
import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",y="tip")
plt.show()

輸出

獲得的雙變數圖如下所示。

繪製雙變數圖並向 kind 引數傳遞值。

sns.displot(data=tips, x="total_bill",y="tip",kind="kde")
import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",y="tip",kind="kde")
plt.show()

示例 4

我們將繪製雙變數分佈，並將不同的引數傳遞給方法，並檢視圖形的變化。

首先，我們將傳遞 x、y 和 hue 引數並繪製一個 kde 圖。

import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",y="tip",hue="sex",kind="kde")
plt.show()

輸出

上述程式碼段將生成以下圖形。

示例 5

在此示例中，我們將看到在單變數圖形中使用多個關鍵字引數。這裡，multiple 是一個額外的關鍵字引數，允許自定義圖形。

Multiple 本質上取值 stack，然後它將資料堆疊在圖中。這可以在下圖中看到。

sns.displot(data=tips, x="total_bill",hue="sex",multiple="stack")
import seaborn as sns
import matplotlib.pyplot as plt
tips=sns.load_dataset("tips")
tips.head()
sns.displot(data=tips, x="total_bill",hue="sex",multiple="stack")
plt.show()

輸出

上述程式碼段的輸出如下

seaborn_distribution_plot_introduction.htm

列印頁面