11 ，FacetGrid 使用，分组画图：各种图形，详细设置_facetgrid hue_孙砚秋的博客

1 ，分组画图，柱状图： hist

分组：吃饭时间分组 ( 午饭，晚饭 )
求：有多少个给小费的
代码：
g = sns.FacetGrid(tips, col="time")
g.map(plt.hist, "tip");
2 ，分组画图，散点图 ：
 
g = sns.FacetGrid(tips, col="sex", hue="smoker")
g.map(plt.scatter, "total_bill", "tip", alpha=.7)
g.add_legend();
3 ，分组画图，回归线 ：
 
g = sns.FacetGrid(tips, row="smoker", col="time", margin_titles=True)
g.map(sns.regplot, "size", "total_bill", color=".1", fit_reg=True, x_jitter=.1);
4 ，柱状图 ： 风格设置
 
if __name__ == '__main__':
    # 读取三组数据 ( 泰坦尼克，小费，花瓣尺寸 )
    titanic = pd.read_csv("titanic.csv")
    tips = pd.read_csv("tips.csv")
    iris = pd.read_csv("iris.csv")
    g = sns.FacetGrid(tips, col="day", size=4, aspect=.5)
    g.map(sns.barplot, "sex", "total_bill");
5 ，盒图 ： 指定分组的顺序
 
from pandas import Categorical
ordered_days = tips.day.value_counts().index
print(ordered_days)
ordered_days = Categorical(['Thur', 'Fri', 'Sat', 'Sun'])
g = sns.FacetGrid(tips, row="day", row_order=ordered_days,
         size=1.7, aspect=4, )
g.map(sns.boxplot, "total_bill");
6 ，散点图 ： 更多参数
 
pal = dict(Lunch="seagreen", Dinner="gray")
g = sns.FacetGrid(tips, hue="time", palette=pal, size=5)
g.map(plt.scatter, "total_bill", "tip", s=50, alpha=.7, linewidth=.5, edgecolor="white")
g.add_legend();
7 ，数据形状 ：
 
g = sns.FacetGrid(tips, hue="sex", palette="Set1", size=5, hue_kws={"marker": ["^", "v"]})
g.map(plt.scatter, "total_bill", "tip", s=100, linewidth=.5, edgecolor="white")
g.add_legend();
8 ，分组，散点图 ：
 
    with sns.axes_style("white"):
        g = sns.FacetGrid(tips, row="sex", col="smoker", margin_titles=True, size=2.5)
    g.map(plt.scatter, "total_bill", "tip", color="#334488", edgecolor="white", lw=.5);
    g.set_axis_labels("Total bill (US Dollars)", "Tip");
    g.set(xticks=[10, 30, 50], yticks=[2, 6, 10]);
    g.fig.subplots_adjust(wspace=.02, hspace=.02);
    g.fig.subplots_adjust(left  = 0.125,right = 0.5,bottom = 0.1,top = 0.9, wspace=.02, hspace=.02)
9 ，两两 k-v 图 ：
 
if __name__ == '__main__':
    # 读取三组数据 ( 泰坦尼克，小费，花瓣尺寸 )
    titanic = pd.read_csv("titanic.csv")
    tips = pd.read_csv("tips.csv")
    iris = pd.read_csv("iris.csv")
    g = sns.PairGrid(iris)
    g.map(plt.scatter);
    plt.tight_layout()
10 ，k-v 图 ： 指定图形
 
作用 ： 指定对角线画什么图，非对角线画什么图
代码 ： 
if __name__ == '__main__':
    # 读取三组数据 ( 泰坦尼克，小费，花瓣尺寸 )
    titanic = pd.read_csv("titanic.csv")
    tips = pd.read_csv("tips.csv")
    iris = pd.read_csv("iris.csv")
    g = sns.PairGrid(iris)
    g.map_diag(plt.hist)
    g.map_offdiag(plt.scatter);
    plt.tight_layout()
11 ，k-v 图 ：分组
 
g = sns.PairGrid(iris, hue="species")
g.map_diag(plt.hist)
g.map_offdiag(plt.scatter)
g.add_legend();
plt.tight_layout()
12 ，k-v 图 ：指定 kv 数据对
 
g = sns.PairGrid(iris, vars=["sepal_length", "sepal_width"], hue="species")
g.map(plt.scatter)
plt.tight_layout()
13 ，调色板的使用 ：
 
g = sns.PairGrid(tips, hue="size", palette="GnBu_d")
g.map(plt.scatter, s=50, edgecolor="white")
g.add_legend();
                    1 ，分组画图，柱状图 ： hist分组 ： 吃饭时间分组 ( 午饭，晚饭 )求 ： 有多少个给小费的代码 ：g = sns.FacetGrid(tips, col="time")g.map(plt.hist, "tip");结果 ：2 ，分组画图，散点图 ：代码 ：g = sns.FacetGrid(tips, col="sex", hue="smoker")g.map(plt.scatter, "total_bill", "tip", alpha=.7)g.add_
				文章目录前言数据集介绍polt与ggplot对比ggplot2绘图绘制画布几何对象统计变换标尺设置坐标系的转换分面facet_grid函数facet_wrap函数保存图形写到最后
在R语言里，谈及绘图，ggplot2是最出名的绘图包之一，作为一个绘图神器，它提供了许许多多的功能给用户使用，仅用短短几行代码，一幅幅高端大气的图像便跃然纸上，这可能就是ggplot2包的魅力所在。
我刚开始学习ggplot2的时候只用于学术上的制图，对深层的制图一知半解，趁着有空便重新学习了一下ggplot2包，才发现其背
				文章目录FacetGrid与调色盘FacetGrid结构图Axes绘图FacetGrid使用Axes 与 FacetGrid绘图设置图形的尺寸添加图例设置标题设置坐标轴设置背景颜色Seaborn样式风格设置风格设置函数
FacetGrid与调色盘
FacetGrid结构图
之前我们在绘图的时候，学了relplot、catplot、lmplot等，这些函数可以通过col、row等在一个Figure中绘制多个图。这些函数之所以有这些功能，是因为他们的底层使用了FacetGrid
Axes绘图
实际上seabor
				简单介绍一下ggplot2分类别绘图的三种方式：分组、分面、图形组合；以及长、宽数据如何实现分组绘图
长数据进行分组绘图是比较容易实现的，大部分的R绘图教程都有提到
对于横向数据如何分组绘图，大部分教程提到需先将横向数据转化为纵向数据，然后再进行分组绘图
但其实横向数据也可以直接实现分组绘图，避免了转为纵向数据这一步骤
分类别绘图的三种方式
使用ggplot2绘图时，若需要分类别进行绘图，常见的方式有：
绘制一幅图，按类别进行分组
对每个类别分别绘制一幅图，按类别进行分面
对每个类别分别绘制一幅图，进
				可视化统计关系表示统计关系的图分为散点图和线型图两类。统一的FacetGrid图级接口函数为relplot()。散点图import seaborn as sns
import pandas as pd
%matplotlib inline
# seaborn预设主题：darkgrid（默认），whitegrid，dark，white 以及 ticks
sns.set()
# 导入数据集。由于s...
from scipy import integrate, stats
import seaborn as sns
sns.set(style="wegrid",color_codes=True)
tips=sns.load_...
from scipy import integrate, stats
import seaborn as sns
sns.set(style="whitegrid",color_codes=True)
tips=sns.load_datas...
				python基础-seaborn的FacetGrid函数
要在数据集的子集中分别可视化变量的分布或多个变量之间的关系时，该类非常有用。
一个FacetGrid可以与多达三个维度可以得出：row，col，和hue。前两个与得到的轴阵列有明显的对应关系; 将色调变量视为沿深度轴的第三个维度，其中不同的级别用不同的颜色绘制。
通过使用FacetGrid数据框初始化对象以及将形成网格的行，列或色调维度的变量名称来使用该类。这些变量应该是分类的或离散的，然后变量的每个级别的数据将用于沿该轴的小平面。
例如，假设我们想
1 ，分组画图，柱状图： hist

2 ，分组画图，散点图：

3 ，分组画图，回归线：

4 ，柱状图：风格设置

5 ，盒图：指定分组的顺序

6 ，散点图：更多参数

7 ，数据形状：

8 ，分组，散点图：

9 ，两两 k-v 图：

10 ，k-v 图：指定图形

11 ，k-v 图：分组

12 ，k-v 图：指定 kv 数据对

13 ，调色板的使用：
