seaborn.jointplot#

seaborn.jointplot(data=None, *, x=None, y=None, hue=None, kind='scatter', height=6, ratio=5, space=0.2, dropna=False, xlim=None, ylim=None, color=None, palette=None, hue_order=None, hue_norm=None, marginal_ticks=False, joint_kws=None, marginal_kws=None, **kwargs)#

二変量グラフと一変量グラフを使用して、2つの変数のプロットを描画します。

この関数は、いくつかの定義済みプロットの種類を持つJointGridクラスへの便利なインターフェースを提供します。これはかなり軽量なラッパーとして意図されています。より柔軟性が必要な場合は、JointGridを直接使用する必要があります。

パラメータ:
datapandas.DataFrame, numpy.ndarray, マッピング、またはシーケンス

入力データ構造。名前付き変数に割り当てることができるベクトルの長形式コレクション、または内部的にリシェイプされるワイド形式データセットのいずれか。

x, ydata 内のベクトルまたはキー

x軸とy軸の位置を指定する変数。

huedata 内のベクトルまたはキー

プロット要素の色を決定するためにマッピングされる意味変数。

kind{ “scatter” | “kde” | “hist” | “hex” | “reg” | “resid” }

描画するプロットの種類。基になる関数への参照については、例を参照してください。

height数値

図のサイズ（正方形になります）。

ratio数値

結合軸の高さと周辺軸の高さの比率。

space数値

結合軸と周辺軸の間のスペース

dropnabool

Trueの場合、xとyから欠落している観測値を削除します。

{x, y}lim数値のペア

プロットする前に設定する軸の制限。

colormatplotlib color

色マッピングを使用しない場合の単一の色指定。それ以外の場合、プロットはmatplotlibプロパティサイクルにフックしようとします。

palette文字列、リスト、辞書、またはmatplotlib.colors.Colormap

hueセマンティックをマッピングするときに使用する色を選択する方法。文字列値はcolor_palette()に渡されます。リストまたは辞書の値はカテゴリカルマッピングを意味し、カラーマップオブジェクトは数値マッピングを意味します。

hue_order文字列のベクトル

hueセマンティックのカテゴリレベルの処理とプロットの順序を指定します。

hue_normタプルまたはmatplotlib.colors.Normalize

データ単位で正規化範囲を設定する値のペア、またはデータ単位から[0, 1]間隔にマッピングするオブジェクトのいずれか。使用法は数値マッピングを意味します。

marginal_ticksbool

Falseの場合、周辺プロットのカウント/密度軸の目盛りを抑制します。

{joint, marginal}_kwsdicts

プロットコンポーネント用の追加のキーワード引数。

kwargs

追加のキーワード引数は、結合軸にプロットを描画するために使用される関数に渡され、joint_kws ディクショナリの項目を上書きします。

戻り値:
JointGrid

二変量関係または分布をプロットするための結合軸と周辺軸に対応する複数のサブプロットを管理するオブジェクト。

参考

JointGrid

二変量データの結合ビューと周辺ビューを含む図を設定します。

PairGrid

複数の変数に関する結合ビューと周辺ビューを含む図を設定します。

jointplot

単変量周辺分布を含む複数の二変量プロットを描画します。

例

最も簡単な呼び出しでは、x と y を割り当てて、周辺ヒストグラム ( histplot()を使用) を持つ散布図 (scatterplot()を使用) を作成します

penguins = sns.load_dataset("penguins")
sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")
../_images/jointplot_1_0.png

hue 変数を割り当てると、散布図に条件付きの色が追加され、周辺軸に個別の密度曲線 (kdeplot()を使用) が描画されます

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species")
../_images/jointplot_3_0.png

kind パラメーターを使用して、さまざまなプロット手法を利用できます。kind="kde" を設定すると、二変量および単変量 KDE の両方が描画されます

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde")
../_images/jointplot_5_0.png

kind="reg" を設定すると、線形回帰フィット (regplot()を使用) と単変量 KDE 曲線が追加されます

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="reg")
../_images/jointplot_7_0.png

結合分布のビンベースの可視化には、2つのオプションもあります。1つ目のオプションは、kind="hist" を使用すると、すべての軸で histplot() を使用します

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hist")
../_images/jointplot_9_0.png

または、kind="hex" を設定すると、matplotlib.axes.Axes.hexbin() を使用して、六角形のビンを使用して二変量ヒストグラムを計算します

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", kind="hex")
../_images/jointplot_11_0.png

追加のキーワード引数を、基になるプロットに渡すことができます

sns.jointplot(
    data=penguins, x="bill_length_mm", y="bill_depth_mm",
    marker="+", s=100, marginal_kws=dict(bins=25, fill=False),
)
../_images/jointplot_13_0.png

JointGrid パラメーターを使用して、図のサイズとレイアウトを制御します

sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm", height=5, ratio=2, marginal_ticks=True)
../_images/jointplot_15_0.png

プロットにさらにレイヤーを追加するには、jointplot() が返す JointGrid オブジェクトのメソッドを使用します

g = sns.jointplot(data=penguins, x="bill_length_mm", y="bill_depth_mm")
g.plot_joint(sns.kdeplot, color="r", zorder=0, levels=6)
g.plot_marginals(sns.rugplot, color="r", height=-.15, clip_on=False)
../_images/jointplot_17_0.png