Python - seaborn.FacetGrid() 方法

引言

在本教程中，我们将学习 Python 中的 seaborn.FacetGrid() 方法。Seaborn 是一个基于 matplotlib 的 Python 数据可视化库。该库提供了一个高级界面，用于绘制具有吸引力的图表和统计数据。Seaborn 有助于解决 Matplotlib 中遇到的两个主要问题。问题是：

1. Matplotlib 中的默认参数，
2. 使用 DataFrame。

由于 Seaborn 已经添加并扩展了 Matplotlib，因此学习曲线一直非常平缓。如果您了解 Matplotlib，那么您就已经了解了 Seaborn 的一半。

Python 中的 seaborn.FacetGrid() 方法是什么？

FacetGrid 类便于使用多个变量来可视化数据集中变量的分布以及变量之间的关系。FacetGrid 可绘制多达三个维度，分别是行、列和色调。前两个维度与轴数组值有明确的通信。将不同级别视为深度轴的第三维度，即不同颜色之间的差异。FacetGrid 对象使用一个 DataFrame 作为输入，以及一组将构成行、列或色调维度的变量名。变量必须是分类的，并且来自变量每个级别的数据将用于变量轴。

Python 中 seaborn.FacetGrid() 方法的语法如下：

Seaborn.FacetGrid 使用许多参数作为输入。主要参数以表格形式描述如下：

程序代码 1

这里我们提供一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

在上面的代码中，我们只是实例化了 facetgrid 对象，但并没有在其上绘制任何内容。显示此网格中数据的最主要方法是使用 FacetGrid.map() 方法。现在，我们运行上面的代码并找到输出。输出如下：

程序代码 2

这里我们提供另一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

现在，我们运行上面的代码并找到输出。输出如下：

程序代码 3

这里我们提供另一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

现在，我们运行上面的代码并找到输出。由于 Col 参数，存在多个图。输出如下：

程序代码 4

这里我们提供另一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

现在，我们运行上面的代码并找到输出。输出如下：

程序代码 5

这里我们提供另一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

现在，我们运行上面的代码并找到输出。输出如下：

程序代码 6

这里我们提供另一个 Python 中 seaborn.FacetGrid() 方法的程序代码。代码如下：

输出

现在，我们运行上面的代码并找到输出。输出如下：