displot

语法

seaborn.displot(data=Node,*, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist',
rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, 
color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)

这个函数提供了几种可视化数据的单变量或双变量分布的方法，包括通过语义映射和跨多个子图分面定义的数据子集。
通过kind参数，选择不同的方法：

• histplot()
• kedplot()
• edfplot()
  此外，可以将rugplot()添加到任何类型的图中以显示单个的观察结果。

参数说明

• data是输入的数据集，数据类型可以是pandas.DataFrame对象、numpy.ndarray数组、映射或序列类型等。
• x和y是参数data中的键或向量，指定关系图中x轴和y轴的变量。
• hue也是data中的键或向量，根据hue变量对数据进行分组，并在图中使用不同颜色的元素加以区分。
• hue_order指定色调语义的分类级别的处理和绘图顺序。
• hue_norm可以是设置数据单元规范化范围的一对值，也可以是将数据单元映射到[0,1]区间的对象。 使用意味着数字映射。
• size也是data中的键或向量，根据size变量控制图中点的大小或线条的粗细。
• style也是data中的键或向量，根据style变量对数据进行分组，并在图中使用不同类型的元素加以区分，比如点线、虚线等。
• kind指定要绘制的关系图类型，可选"scatter"(散点图)和"line"(线形图)，默认值为"scatter"。

举例

#可以加载anaconda中sns库自己带的一些数据源 进行示例。  
penguins = sns.load_dataset("penguins")
sns.displot(data=penguins, x="flipper_length_mm")

使用kind=‘kde’参数来显示核密度估计,(kernel density estimates)；

使用kind='ecdf’参数来显示经验累积分布函数（empirical cumulative distribution functions）

同时也可以在直方图中，显示核密度估计

绘制一个二元分析图，将x和y都赋值:
这幅图片里面内容不是很有意义，但是也能看得出pCO2值与year的变化与分布；
目前，二元分析图仅适用于直方图和KDEs: 当然也可以使用kdes方式来画二元分析图，可以发现数据的分布情况；
对于每种类型的图，你也可以用一个边缘的“地毯”来显示单个的观察结果: 即在坐标轴上显示每个变量的分布状况

每种图都可以使用hue参数 映射为数据的子集单独绘制:使用的数据中有空值，所以加上了warn_singular。

可以再加上一些参数，来是的画的更好看；
multiple must be one of [‘layer’, ‘stack’, ‘fill’, ‘dodge’]

使用col参数来分图画；这里使用官网的数据源；

你可以通过height 和 aspect参数来控制它的大小和形状:

设置x、y轴 的命名 和单位；设置子标题命名

关于其他函数的讲解

还有其他API：histplot，kdeplot。。。读者可以参考下面网址。
这些画图工具能画出来太多的图了，但是基本上用法大家都清楚。

https://seaborn.pydata.org/api.html#categorical-plots