环境与版本
python==3.12
pandas==2.2.2
matplotlib==3.9.x
seaborn==0.13.2多变量图表
Python
Seaborn
可视化
多变量
热图
使用 Seaborn 绘制多变量可视化图表：散点图、折线图、热力图、双变量图、分面网格图等。
1 多变量数据
“tidy/flat” 的表格数据: 每行为一个 observation (或 instance、record) ，每列为一个 variable (变量，也称 attribute、feature、parameter) 。
通常，multivariate (多变量) 用于描述变量超过两个的数据，即，multivariate plot 通常使用了原 DataFrame 中三个或三个以上的列作为数据。
绘制柱状图时，除了 x、y 两个变量之外，还可以设置 hue 参数，从而绘制包含三个变量的柱状图。比如 图 1 中包含了 'island'、'body_mass_g'、'sex' 三个变量。
# 导入库
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt# 从 Seaborn 加载示例数据集
df = sns.load_dataset('penguins')sns.barplot(df, x='island', y='body_mass_g', hue='sex')
plt.show()
然而，有的图表类型不支持同时设置 x、y 和 hue 三个参数。比如直方图只支持 x 和 hue (见 图 2) x 轴展示鳍长的分布区间，y 轴展示每个区间内的企鹅数量，只涉及两个变量。
sns.histplot(data=df, x='flipper_length_mm', hue='island')
plt.show()
2 分面网格
分面网格 (facetgrid) 是展示多元变量的常用方法。若干个小图表 (分面，facet) 以网格状排列，组成分面网格 (facetgrid) 。如果既想展示直方图，又想展示两个以上变量，可以使用分面网格。
通过 Seaborn 绘制分面网格的方法如下：
# 创建空的分面网格
g = sns.FacetGrid(
data=df,
col='sex', # 'sex' 有多少种，就生成多少列
row='island', # 'island' 有三个值，生成三行
)
plt.show()
如 图 3，我们创建了一个 3×2 的分面网格，但此时只有网格，还需要通过 .map_dataframe() 方法来指定填充内容。
# 填充完整分面网格
# 第一步：创建分面网格
g = sns.FacetGrid(
data=df,
col='sex',
row='island',
hue='species',
)
# 第二步：填充直方图
g.map_dataframe(
sns.histplot,
x='flipper_length_mm',
stat='density', # 各组 bar 面积之和为 1
common_norm=False, # 每个分面内各颜色分别归一化
)
# 第三步：添加并调整图例
g.add_legend()
sns.move_legend(
g,
loc='lower center',
bbox_to_anchor=(0.5, 1),
ncol=3, # 图例列数
)
plt.show()
stat 与 common_norm
stat='density' 用频率密度统计绘图，使直方图内所有 bar 的面积之和为 1。common_norm=False 配合 stat 使用，表示在同一分面中，每种颜色的 bar 面积之和分别为 1，而非所有颜色的 bar 面积总和为 1。
loc 与 bbox_to_anchor
同时设置两个参数，让图例的下边缘中点 (lower center) 位于整个网格图的 (0.5, 1) 位置。如果只设置 loc='lower center'，图例将直接定位于整个网格图的中下部。
如 图 4 ，分面网格按岛屿分行、按性别分列、按种类分色，同时展示了四个变量 (鳍长、岛屿、性别、种类) 。通过分行和分列可以额外增加两个离散型变量；通过颜色区分还可再增加一个离散型变量。
注：由于分行和分列的特性，分面网格只能用于额外增加离散型变量。若要对连续型变量分面，可先将其划分区间，保存为新的离散型变量列，再用分面网格进行分行或分列。
刻度范围一致性
同时展示多个子图时，每个子图的刻度范围应当相同，因为读者往往默认多图的刻度范围一致，不一致会造成误判 (Wilke, 2019, pp. 257-258)。
图 5 中各子图纵坐标刻度范围各不相同，容易让人误判。将其改为 图 6 这样所有刻度范围都相同，可减少阅读困难。
3 散点图
3.1 区分散点图和点图
在画散点图之前，需要注意区分 散点图 (scatter plot) 和 点图(point plot)。
注：点图又称 dot plot (Wilke, 2019, p.43)。以下对散点图与点图的区别的理解均基于 Seaborn 库，在其他语境下可能有所不同。
点图 (point plot) 可以起到类似柱状图的作用：点图中每个点所在的竖线相当于柱状图的 bar，点相当于柱状图中每个 bar 的顶边缘中点。像柱状图一样，点图可以用于展示 category-amount 型图表 (见 图 7 和 图 8) ：
sns.pointplot(
data=df, x='species', y='bill_length_mm',
linestyles='none', # 点与点之间不连线
)
plt.show()
sns.barplot(data=df, x='species', y='bill_length_mm')
plt.show()
如 图 7 和 图 8 所示，点图和柱状图都可以表示 类型-数量 (category-amount) 关系。二者区别之一是：柱状图的 数量 (amount) 必须从 0 开始，而点图不需要。点图和柱状图都只展示纵坐标的平均值 (也可设置为其他统计值，如中位数) ，每个横坐标值只能对应一个纵坐标值。
散点图 (scatter plot) 会显示每一个数据点 (见 图 9) ：
sns.scatterplot(data=df, x='species', y='bill_length_mm')
plt.show()
散点图中每个横坐标可以对应多个纵坐标，而点图中每个横坐标只对应一个纵坐标。
散点图常用于探究两个 (或多个) 变量之间的关系 (relationship) ，查看变量间是否存在关联性 (correlation) ，主要用于探究两种连续数值型数据之间的关系。因此散点图横轴通常为 ratio data，刻度自动显示为连续数值区间 (见 图 10) ：
sns.scatterplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
alpha=0.7, # 半透明，便于观察点的堆积
)
plt.show()
注：设置半透明有助于观察点的堆积，但若已使用渐变颜色区分某变量 (如 图 14) ，则不宜再使用半透明。
点图 (point plot) 使用 ratio data 作横轴时，每个点会对应一个特定刻度，效果如 图 11 所示:
sns.pointplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
linestyle='none', errorbar=None, alpha=0.7,
)
plt.show()
注：虽然 图 10 和 图 11 点的分布看似相似，但点图中每个横坐标有且仅有一个对应的点，散点图可以对应多个。此外，
sns.pointplot()不支持调整点的大小，sns.scatterplot()支持。
因此，点图不适用于横坐标为连续型数据且刻度过多的情况，更适用于横坐标为离散型数据且刻度不宜过多的场景。散点图 则相反，更适用于 ratio-ratio 数据。
点图的另一个特点是点与点之间可以连线，适用于横轴为 ordinal 或 interval data 的情况。比如 图 12 中年份为 interval data，连线可以表示乘客量随年份的变化趋势；而 图 7 中横坐标为企鹅种类 (nominal data) ，顺序没有意义，因此不画连线。
这种点图变得和折线图非常类似，我们将在 折线图 Line Plot 中继续讨论。
flights = sns.load_dataset('flights')
sns.pointplot(data=flights, x='year', y='passengers')
plt.show()
3.2 多变量散点图
除了 x、y 轴展示的两种连续变量之外，还可以通过设置 hue (点颜色) 、size (点大小) 、style (点形状) 等参数来引入其他变量。hue 和 size 可以应用于连续型或离散型变量；style 只能应用于离散型变量，因为点形状无法连续渐变 (仅限 Seaborn 库) 。
比如 图 13 同时引入了三个离散变量：
ax = sns.scatterplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
hue='sex',
size='island',
style='species',
)
sns.move_legend(ax, loc='upper left', bbox_to_anchor=(1, 1))
plt.show()
图 13 中，除横纵轴的两个连续变量 (喙长、喙深) 外，还设置了三个离散变量 (性别、岛屿、种类) 。再比如 图 14 引入了两个连续变量：
ax = sns.scatterplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
hue='flipper_length_mm',
size='body_mass_g',
)
sns.move_legend(ax, loc='upper left', bbox_to_anchor=(1, 1))
plt.show()
注：虽然
hue和size可以应用于连续型变量，但其图例并非严格连续的。
多变量散点图与分面网格的区别见 表 1：
| 维度 | 多变量散点图 | 分面网格 |
|---|---|---|
| 视图 | 全局，所有点在同一坐标系 | 分格展示，便于子图对比 |
| 图形空间 | 少，只需一张图 | 多，需创建多个子图 |
| 连续变量 | 可直接引入，自动生成图例 | 需手动划分区间保存为新变量 |
| 视觉复杂度 | 信息集中，可能过于拥挤 | 各子图独立，阅读负担较低 |
| 图例依赖 | 需反复对照图例 | 子图标题直接说明 |
为了让散点图更易辨认，建议 同时使用颜色和形状区分同一变量 (Wilke, 2019, pp.243-247)，如 图 15：
ax = sns.scatterplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
hue='island',
style='island',
)
sns.move_legend(ax, loc='upper left', bbox_to_anchor=(1, 1))
plt.show()
此外，尽量不要在同一图表内同时使用 style 和 size 控制两个不同变量，因为形状改变后大小的区分会变得不够直观 (见 图 16) ：
ax = sns.scatterplot(
data=df, x='bill_length_mm', y='bill_depth_mm',
hue='island',
style='island',
size='flipper_length_mm',
)
sns.move_legend(ax, loc='upper left', bbox_to_anchor=(1, 1))
plt.show()
其他注意事项：
- 使用颜色时应尽量兼顾色觉缺陷读者，选择在色相和明度上均有明显差异的颜色。
- 当折点过多时，不宜在折线图中展示点。
这些细节将在 小节 4 中进一步讨论。
3.3 对数尺度
对数尺度 (logarithmic scale) 是一个非线性测量尺度，适用于有较大范围差异的数据，如里氏震级、声学音量、光学光强、溶液 pH 值等。为此类数据绘制散点图时，可将坐标轴设置为对数尺度 (默认为线性尺度，如 图 10 中 x 轴刻度 35, 40, 45, 50 是线性增长的数字) ，让原本拥挤的数据点变得较为均匀，更容易观察 (维基百科 - 对数尺度) 。
Wilke (2019, p.17) 以 \((1, 3.16, 10, 31.6, 100)\) 为例画了四个数轴 (图 17) ，其中 \(10^{0.5} = \sqrt{10} \approx 3.16\)，\(10^{1.5} \approx 31.6\)。
如 图 17，四个数轴含义如下：
- 第一个数轴使用线性尺度，刻度为 \((0, 25, 50, 75, 100)\)，展示原数据 \(x\)，数据点分布不均匀。
- 第二个数轴同样使用线性尺度，但对原数据取对数，展示 \(\log_{10}(x)\)，数据点均匀分布，轴标签为 \(\log_{10}(x)\)。
- 第三个数轴使用原数据 \(x\)，但改用对数尺度，刻度为 \((1, 3.16, 10, 31.6, 100)\) (即 \((10^{0.0}, 10^{0.5}, 10^{1.0}, 10^{1.5}, 10^{2.0})\)) ，数据点均匀分布。
- 第四个数轴同第三个，但轴标签错误地写成了 \(\log_{10}(x)\)。
对比第一个和第三个数轴：对于同一组数据，线性尺度中分布不均匀的点，在对数尺度中变得均匀。这样调整有助于观察分布不均匀的数据，尤其是呈指数型增长趋势的数据。
需要注意的是，改用对数尺度只改变了轴刻度的展示方式，并没有改变数据点的值。因此，对于仅改用刻度尺度、不改动原数据的图，不可以将轴标题写作 \(\log_{10}(x)\) (见第四个数轴) 。
对数尺度适用的情况及其优缺点：
适用情况
- 数据范围跨度极大（跨多个数量级），例如人口、收入、距离、质量等
- 更关注相对变化（倍数关系），而不是绝对差值
- 数据呈指数增长或指数衰减趋势（在对数尺度下更接近线性关系）
优点
- 压缩数据范围：同时展示极大值与极小值，避免大值“压扁”整体结构
- 改善可视化分布：减少数据在某一区间的堆积，使分布更均匀
- 强化倍数比较：相同的轴距离表示相同的“倍数变化”，更符合某些分析需求
- 有助识别指数关系：指数增长/衰减在对数尺度下更容易观察
缺点
- 不适用于零值与负值：对数函数定义域为正数
- 可读性较低：对不熟悉对数尺度的读者不够直观
- 可能掩盖绝对差异：压缩高值区间，弱化原始差距的视觉表达
例如，图 18 中数据范围差异较大且左边过于集中——可以改用对数尺度 (图 19) 。
planets = sns.load_dataset('planets')
g = sns.scatterplot(data=planets, x='distance', y='mass')
plt.title('Relationship between planetary distance and mass')
plt.show()
planets = sns.load_dataset('planets')
g = sns.scatterplot(data=planets, x='distance', y='mass')
g.set_xscale('log') # 默认底数为 10，可通过 base 参数修改
g.set_yscale('log')
plt.show()
注：图 19 中，刻度 \((10^0, 10^1, 10^2, ...)\) 是等距的对数尺度刻度。每两个大刻度间的小刻度代表等差的实际数值，如从 \(10^0\) 到 \(10^1\) 之间分别为 \(2, 3, ..., 9\)，从 \(10^1\) 到 \(10^2\) 之间分别为 \(20, 30, ..., 90\)，以此类推。
由于对数尺度无 0 值 (以 1 即底数的 0 次方为原点) ，对数尺度适合用于展示比例数据。如 Wilke (2019, pp.18-20) 将德克萨斯州各县人口除以人口中位数作为纵轴，用对数尺度 (图 20) 展示了各县人口在中位数附近的分布 (比值为 1 时说明该县人口恰好为中位数) 。
如果改用线性尺度展示 图 20 中的数据，则以 0 为原点，无法清晰展示数据在 1 两侧的分布 (图 21) 。
3.4 回归图
回归图 (regression plot) 将散点图拟合成一条线，用于展示两个变量之间的关系。最常见的是 线性拟合 (linear fitting) ，即将散点图拟合成线性回归线。置信区间用于显示回归线 (作为估计值) 的不确定性：置信水平 95% 时，真实值有 95% 的可能落在该区间内。如 图 22 ，直线是线性回归线，阴影部分是置信区间。
sns.lmplot(data=df, x='bill_length_mm', y='bill_depth_mm', hue='sex')
plt.show()
sns.lmplot() (linear model plot) 默认使用 95% 置信区间来衡量回归线的不确定性。
注：
hue参数仅适用于离散型数据。
4 折线图
散点图 (scatter plot) 中数据点独立存在，通常用于探索 两个变量 之间的相关性或分布，数据点之间无先后关系。折线图 (line plot) 中数据点通过线段连接，强调数据的连续性或变化趋势，通常用于时间序列数据，展示 一个变量 随时间的变化，数据点之间存在先后关系。
如 图 23 ，展示了某航空公司每月乘客量随年份增长的变化：
sns.lineplot(
data=flights, x='year', y='passengers',
hue='month',
)
# 注：年份和人数虽非严格连续数据，但数据量足以体现变化趋势
plt.show()
也可以通过设置 markers=True 和 dashes=False 展示折点 (图 24) ：
sns.lineplot(
data=flights, x='year', y='passengers',
hue='month', style='month',
markers=True, # 需与 style 联用
dashes=False,
)
plt.show()
当折点很多时，不建议在折线图中展示折点，过多的折点会阻碍阅读；清晰的线条更能彰显变化趋势 (Wilke, 2019, pp. 135-137)。
也可以用点图达到类似效果 (见 图 25) ，但 sns.pointplot() 不可用不同点形状区分变量，也不可去除点，因此要观察变量随时间的变化趋势，最好选择 sns.lineplot()。
sns.pointplot(
data=flights, x='year', y='passengers', hue='month',
)
plt.show()
当 y 轴变量在每个时间点上有多个值，且未对其进行颜色区分时，sns.lineplot() 会自动生成平均值折线和误差区间 (默认 95% 置信水平) ，见 图 26：
sns.lineplot(data=flights, x='year', y='passengers')
plt.show()
在折线图中使用颜色区分线条时，需要注意：
- 图例颜色顺序应当符合线条颜色顺序。
- 选色尽量兼顾色觉缺陷读者。
图 27 中图例和线条颜色顺序不一致，会增加阅读困难，Wilke (2019, p.248) 提供了反面案例:
相反，图 28 中图例和线条颜色顺序相符，Wilke (2019, p.249) 提供了改良后的图表:
Wilke (2019, p.250) 还展示了 图 28 在不同色觉缺陷模拟下及去除饱和度后的效果 (图 29) ：
由 图 29 可见，图 28 的配色对三种色觉缺陷患者均可区分，去除饱和度后也能通过明度区分。因此图例与线条颜色顺序匹配尤为重要。
此外，Wilke (2019, p.251) 还建议去除图例，直接在折线旁标注文字 (图 30) ，可节省读者对照图例的工作量，让图表更易读。但这种做法通过 Seaborn 实现较困难，本课程中使用 图 28 中符合颜色顺序的图例即可。
5 热力图
5.1 数据透视表
在绘制热力图之前，需要先为原数据创建 pivot table (数据透视表，又称枢轴表) 。数据透视表将原表格中的两个变量以矩阵形式展现：列名是一个变量，行名是另一个变量。
pivot 操作将原表某列中的所有数据种类转变为新的列名 (column label) 或行名/索引 (index) 。如 表 3 将 表 2 中 'year' 列的所有数据种类 (1949～1960) 变为新列名，将 'month' 列的数据种类变为新行名。
pivot 操作和 melt 操作相反：pivot 将”长表格”变为”宽表格”，melt 将”宽表格”变为”长表格” (melt 将原列名变为数据值，让表格行数增多) 。
flights.head()| year | month | passengers | |
|---|---|---|---|
| 0 | 1949 | Jan | 112 |
| 1 | 1949 | Feb | 118 |
| 2 | 1949 | Mar | 132 |
| 3 | 1949 | Apr | 129 |
| 4 | 1949 | May | 121 |
# 创建数据透视表 (也可命名为 matrix)
flights_pivot = pd.pivot_table(
flights,
index='month', # 'month' 的数据种类作为新行名
columns='year', # 'year' 的数据种类作为新列名
values='passengers',
observed=False, # 显示所有分类变量的可能组合
)
flights_pivot| year | 1949 | 1950 | 1951 | 1952 | 1953 | 1954 | 1955 | 1956 | 1957 | 1958 | 1959 | 1960 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| month | ||||||||||||
| Jan | 112.0 | 115.0 | 145.0 | 171.0 | 196.0 | 204.0 | 242.0 | 284.0 | 315.0 | 340.0 | 360.0 | 417.0 |
| Feb | 118.0 | 126.0 | 150.0 | 180.0 | 196.0 | 188.0 | 233.0 | 277.0 | 301.0 | 318.0 | 342.0 | 391.0 |
| Mar | 132.0 | 141.0 | 178.0 | 193.0 | 236.0 | 235.0 | 267.0 | 317.0 | 356.0 | 362.0 | 406.0 | 419.0 |
| Apr | 129.0 | 135.0 | 163.0 | 181.0 | 235.0 | 227.0 | 269.0 | 313.0 | 348.0 | 348.0 | 396.0 | 461.0 |
| May | 121.0 | 125.0 | 172.0 | 183.0 | 229.0 | 234.0 | 270.0 | 318.0 | 355.0 | 363.0 | 420.0 | 472.0 |
| Jun | 135.0 | 149.0 | 178.0 | 218.0 | 243.0 | 264.0 | 315.0 | 374.0 | 422.0 | 435.0 | 472.0 | 535.0 |
| Jul | 148.0 | 170.0 | 199.0 | 230.0 | 264.0 | 302.0 | 364.0 | 413.0 | 465.0 | 491.0 | 548.0 | 622.0 |
| Aug | 148.0 | 170.0 | 199.0 | 242.0 | 272.0 | 293.0 | 347.0 | 405.0 | 467.0 | 505.0 | 559.0 | 606.0 |
| Sep | 136.0 | 158.0 | 184.0 | 209.0 | 237.0 | 259.0 | 312.0 | 355.0 | 404.0 | 404.0 | 463.0 | 508.0 |
| Oct | 119.0 | 133.0 | 162.0 | 191.0 | 211.0 | 229.0 | 274.0 | 306.0 | 347.0 | 359.0 | 407.0 | 461.0 |
| Nov | 104.0 | 114.0 | 146.0 | 172.0 | 180.0 | 203.0 | 237.0 | 271.0 | 305.0 | 310.0 | 362.0 | 390.0 |
| Dec | 118.0 | 140.0 | 166.0 | 194.0 | 201.0 | 229.0 | 278.0 | 306.0 | 336.0 | 337.0 | 405.0 | 432.0 |
关于 aggfunc 参数。 pd.pivot_table() 的 aggfunc (aggregation function) 默认为 'mean'，即当一个单元格对应多行原数据时，默认取平均值。
表 2 中特定 year 和 month 下 passenger 只有一个值，不需要求平均值。而如 表 4 所示的企鹅数据表，同一种类、同一岛屿的企鹅不止一只，在数据透视表 (表 5) 中只对应一个单元格，因此默认求平均值。
df.head()| species | island | bill_length_mm | bill_depth_mm | flipper_length_mm | body_mass_g | sex | |
|---|---|---|---|---|---|---|---|
| 0 | Adelie | Torgersen | 39.1 | 18.7 | 181.0 | 3750.0 | Male |
| 1 | Adelie | Torgersen | 39.5 | 17.4 | 186.0 | 3800.0 | Female |
| 2 | Adelie | Torgersen | 40.3 | 18.0 | 195.0 | 3250.0 | Female |
| 3 | Adelie | Torgersen | NaN | NaN | NaN | NaN | NaN |
| 4 | Adelie | Torgersen | 36.7 | 19.3 | 193.0 | 3450.0 | Female |
# 用企鹅数据集的种类和岛屿列制作数据透视表
df_pivot = pd.pivot_table(
df,
index='species',
columns='island',
values='bill_length_mm',
)
df_pivot| island | Biscoe | Dream | Torgersen |
|---|---|---|---|
| species | |||
| Adelie | 38.975000 | 38.501786 | 38.95098 |
| Chinstrap | NaN | 48.833824 | NaN |
| Gentoo | 47.504878 | NaN | NaN |
5.2 绘制热力图
sns.heatmap(
data=flights_pivot,
cbar_kws={'label': 'passengers'}, # 色彩条标签
)
plt.show()
.heatmap 直接使用矩阵形式的表格画图，而非通过 x/y 参数指定特定列。cbar_kws (colorbar keyword arguments) 用于设置色彩条的标签。
还可以通过设置 cmap 和 annot 等参数进一步修改热力图 (图 32) ：
sns.heatmap(
data=flights_pivot,
cbar_kws={'label': 'passengers'},
cmap='viridis', # Matplotlib 预制 colormap
annot=True, # 在格子中显示数值
fmt='.0f', # 格式：保留整数 ('.nf' 保留 n 位小数)
)
plt.show()
cmap 可以使用 Seaborn 或 Matplotlib 中预制的 color palette 或 colormap 名称，如 'crest'、'flare'、'viridis'、'pink' 等。
sns.heatmap(
data=df_pivot,
cmap='crest',
cbar_kws={'label': 'bill_length_mm'},
annot=True,
)
plt.show()
6 二维直方图
根据 Wilke (2019, pp. 222-225)，含半透明点的散点图可展示数据在两个变量控制下的分布，但当数据点过多、过密时，散点图难以展示整体分布 (见 图 34: 点密度高的区域显示为均匀深色斑点，密度低的区域几乎不可见) 。
此时可改用 二维直方图 (2D histogram) ：将 x-y 平面细分为小矩形 (分箱，bin) ，计算落入每个分箱的数据量，并按数据量对矩形着色 (见 图 35) ：
sns.histplot(
data=df, x='bill_depth_mm', y='bill_length_mm',
cbar=True, # 显示色彩条
cbar_kws={'label': 'count'},
)
plt.show()
表 6 展示了热力图和二维直方图的区别：
| 特性 | 热力图 (Heatmap) | 二维直方图 (2D Histogram) |
|---|---|---|
| 输入数据 | 预处理的矩阵 (通常来自 Pivot Table) | 原始数据 |
| 横纵轴 | 通常表示两个离散变量 | 通常表示两个连续变量 |
| 变量个数 | 三个：横纵轴和颜色 | 两个：横纵轴 |
| 颜色含义 | 单元格中的数值大小 | 分箱 (bin) 中的数据点数量 |
| 排布方式 | 行列数固定，颜色对应值固定 | 根据分箱数量可改变形状 |
| 主要用途 | 展示矩阵中的数值模式 | 展示两个变量的联合分布密度 |
7 双变量图
利用 sns.jointplot() 可以同时展示两个变量的二元分布图和各自的一元分布图。
如 图 36，可以在展示二维直方图 (同 图 35) 的同时，展示两个变量各自的一维直方图：
sns.jointplot(
data=df, x='bill_depth_mm', y='bill_length_mm',
kind='hist', # 默认为 'scatter'，此处改为直方图
)
plt.show()
还可以通过 kind='hex' 让中间的格子呈六边形 (图 37) ：
sns.jointplot(
data=df, x='bill_depth_mm', y='bill_length_mm',
kind='hex',
)
plt.show()
还可以用颜色区分变量 (图 38) ：
sns.jointplot(
data=df, x="bill_depth_mm", y="bill_length_mm",
hue="species",
)
plt.show()
还可以通过 kind='kde' (kernel density estimation) 生成光滑化的分布曲线 (见 图 39) 。 但光滑化后的曲线并非真实数据，尤其在数据点很少时可能误导读者，因此本课程中不建议使用。
sns.jointplot(
data=df, x="bill_depth_mm", y="bill_length_mm",
hue="species", kind='kde',
)
plt.show()
8 配对图
使用 sns.pairplot() 可以轻松画出原数据表中多个变量 (即多列) 各自两两配对的分布图，形成图表阵 (图 40) ：
sns.pairplot(data=df, hue='species', height=1.7)
plt.show()
图 40 中，原 DataFrame 中的四个 ratio 变量被自动识别并画图：对角线的图是各变量各自的一元分布图，其余每个子图是基于一对变量绘制的二元分布图。
还可以通过设置 diag_kind 和 kind 来修改对角线图表和其他二元图表的格式 (图 41) ：
sns.pairplot(
data=df,
hue='species',
diag_kind='hist', # 对角线图表的形式
kind='hist', # 其他二元分布图的形式
height=1.7,
)
plt.show()