seaborn.FacetGrid

官方文档链接：https://www.cntofu.com/book/172/docs/32.md

一、函数

class seaborn.FacetGrid(data, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=True, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None, size=None)

用于绘制条件关系的多图网格

基本工作流程是使用数据集和用于构造网格的变量初始化FacetGrid对象。然后，通过调用 FacetGrid.map() 或FacetGrid.map_dataframe()，可以将一个或多个绘图函数应用于每个子集。最后，可以使用其他方法调整绘图，以执行更改轴标签、使用不同刻度或添加图例等操作

二、参数

data：DataFrame数据。

整洁的（“长形式”）dataframe数据，其中每一列是一个变量，每一行是一个观察实例。

row, col, hue：字符串。

定义数据子集的变量，这些变量将在网格的不同方面绘制。请参阅*_order参数以控制此变量的级别顺序。

col_wrap：整形数值，可选参数。

以此参数值来限制网格的列维度，以便列面跨越多行。与row面不兼容。

share{x,y}：布尔值，‘col’ 或 'row’可选

如果为true，则跨列共享y轴或者跨行共享x轴。

height：标量，可选参数。

每个图片的高度设定（以英寸为单位）。另见：aspect

aspect：标量，可选参数。

每个图片的纵横比，因此aspect * height给出每个图片的宽度，单位为英寸。

palette：调色板名称，列表或字典，可选参数。

用于色调变量的不同级别的颜色。应为color_palette()可以解释的参数，或者是将色调级别映射到matplotlib颜色的字典。

{row,col,hue}_order：列表，可选参数。

对所给命令级别进行排序。默认情况下，这将是在数据中显示的级别，或者，如果变量是pandas分类，则为类别顺序。

hue_kws：参数-列表值的映射字典

插入到绘图调用中的其他关键字参数，使得其他绘图属性在色调变量的级别上有所不同（例如散点图中的标记）。

legend_out：布尔值，可选参数。

如果为True，则图形尺寸将被扩展，图例将绘制在中间右侧的图形之外。

despine：布尔值，可选参数。

从图中移除顶部和右侧边缘框架。

margin_titles：布尔值，可选参数。

如果为True，则行变量的标题将绘制在最后一列的右侧。此选项是实验性的，可能无法在所有情况下使用。

{x, y}lim：元组，可选参数。

每个图片上每个轴的限制（仅当share {x，y}为True时才相关）。

subplot_kws：字典，可选参数。

传递给matplotlib subplot（s）方法的关键字参数字典。

gridspec_kws：字典，可选参数。

传递给matplotlib的gridspec模块（通过plt.subplots）的关键字参数字典。需要matplotlib> = 1.4，如果col_wrap不是None，则忽略它。

三、实例

import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt
d = {'col1': list(range(0,10,1)), 'col2':list(range(10,20,1)),'col3':list(range(20,30,1))}
data = pd.DataFrame(d)
data

m = pd.melt(data)
m

g = sns.FacetGrid(m, col="variable",  col_wrap=2, sharex=False, sharey=False)
g = g.map(sns.distplot, "value")

sns.distplot
横轴–变量可取的值
纵轴–变量取该值的概率

variable 的取值有多少个，画出来的子图就有多少个