Seaborn_Tutorial_Distribution_plots：[1]jointplot

seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=<function pearsonr>, color=None, size=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None,marginal_kws=None, annot_kws=None, **kwargs)

code for ipython notebook pleace click the github link below.

使用双变量和单变量图绘制两个变量的图。

x, y : 字符串或向量

数据中的变量的名称。

data : DataFrame，可选

DataFrame，当x和y是变量名称。

kind : { “scatter” | “reg” | “resid” | “kde” | “hex” }, 可选

绘制图的种类。

stat_func : callable或None，可选

用于计算关系的统计量并注释绘图的函数。 应该将x和y映射到单个值或元组。 如果不想注释绘图，请设置为“None”。

color : matplotlib颜色，可选

用于绘制元素的颜色。

size : 数字，可选

图的大小（正方形）。

ratio : 数字，可选

横轴尺寸与边缘轴高度的比率。

space : 数字，可选

横轴和边缘轴之间的空间

dropna : bool，可选

如果为True，则删除x和y中缺失的观测值。

{x, y}lim :两元组，可选

轴在绘图前设置的限制。

{joint, marginal, annot}_kws : dicts，可选

图组件的其他关键字参数。

kwargs : 键，值配对

附加的关键字参数传递给用于在联合轴上绘制绘图的函数，取代joint_kws字典中的项目。

grid : JointGrid

JointGrid 对象及绘图

In[1]

%matplotlib inline
import numpy as np
import pandas as pd
import seaborn as sns
from scipy.stats import spearmanr
sns.set(style="white", color_codes=True)