提供的api

relplot

x、y之间的关系可以使用hue 、size、style等参数来划分不同的子集，并显示出不同子集之间x、y的关系；通过使用这三种语义划分类型，能够独立显示三个纬度的关系；但是style类型很难划分；并且通常无效。

参数

x、y ：变量 hue ：分组变量（Grouping variable that will produce elements with different colors. ）可以理解为一幅图中，使用不同的颜色代表分组。 size ： 分组变量（Grouping variable that will produce elements with different sizes.） style ：分组变量（Grouping variable that will produce elements with different styles. ）style指示不同类型，就是可以认为是excel中添加的系列名称。 data ： 类型为 pandas.DataFrame 或是 numpy.ndarray mapping or sequence 输入数据的结构； row，col ： 定义子集的变量，按照此参数来分成不同的图片； col_wrap : int类型，划分列变量的跨度 row_order，col_order：用于组织 网格中行列顺序

举例

kind=“scatter”，为默认方式； 原数据为不同年份、月份下叶绿素浓度和pCO2的关系；

import seaborn as sns
sns.relplot(data=dfd,x=Chla,y=pCO2,hue=mon)

可以发现 根据hue参数，划分子集； 增加col变量，能够指定col变量创建多个图形

sns.relplot(data=dfd,x=Chla,y=pCO2,hue=mon,col=yr)

同样可以增加一个row变量，来分子集； 但是按照年份画图就会画出十几幅图片，可以设定wol_wrap参数来设置每行的图形

sns.relplot(data=dfd,x=Chla,y=pCO2,hue=mon,col=yr,col_wrap=6)

每行显示 6幅图片。

可以设置 kind =“line”,来画线性图

sns.relplot(data=dfd,x=yr,y=pCO2,hue=mon,kind=line)

更详细的用法请访问https://seaborn.pydata.org/generated/seaborn.relplot.html#seaborn.relplot

scatterplot使用

sns.scatterplot(data=dfd,x=pCO2,y=result)

其中，result是用机器学习模拟出来的值，两者对比可以反应出此机器学习效果还不错。 添加变量mon作为图中分类，可以发现偏离的几个月主要是在10、12月份。 hue参数主要用来分类，style主要用来标识不同的月份。 添加其他参数 如 s、color、mark等改变点的形状；