灵活的使用seaborn，先掰扯axes-level和figure-level关系

为了、更灵活的使用 《保姆级seaborn教程》 ，本章节详细介绍seaborn的两大类绘图函数的异同 （教程中风格也类似） ：

• 坐标轴级别（axes-level）绘图函数
• 图形级别（figure-level）绘图函数

节选自教程 👉 嫌Matplotlib繁琐？试试Seaborn！

6.1 axes-level绘图函数

axes-level绘图函数是将数据绘制在matplotlib.pyplot.Axes对象上，此类函数可以直接使用matplotlib rcParams中的参数。

例如，使用章节3.2.2 penguins数据集，直方图展示不同“企鹅的种类”的"喙长 (毫米)"分布关系时，可直接使用axes-level绘图函数histplot，

import seaborn as sns
import pandas as pd
import matplotlib as mpl

penguins = pd.read_csv(
    './sns_data/penguins.csv')  #使用pandas读取章节3.2.2 penguins数据集数据

g = sns.histplot(
    data=penguins,  #使用axes-level函数histplot
    x="喙长 (毫米)",
    hue="企鹅的种类",
    palette=["#006a8e", "#b1283a", "#a8a6a7"],
    multiple="stack")
print(type(g))

其中，g是一个matplotlib.pyplot.Axes对象（见上方红色箭头）。更多axes-level绘图函数，如下图中蓝色框子后的函数，例如，scatterplot、lineplot、stripplot、swarmplot等函数。

6.2 figure-level绘图函数

figure-level绘图函数将数据绘制在seaborn.axisgrid.FacetGrid对象上，此类函数拥有区别于matplotlib rcParams中的参数，每个figure-level绘图函数都提供了统一的axes-level接口。

例如，6.1章节的图也可以使用figure-level绘图函数displot，只需要指定kind="hist"，

g = sns.displot(
    data=penguins,  ##使用figure-level函数displot
    x="喙长 (毫米)",
    hue="企鹅的种类",
    multiple="stack",
    palette=["#006a8e", "#b1283a", "#a8a6a7"],
    kind="hist")  #kind="hist"等价于axes-level函数histplot
print(type(g))

其中，g是一个seaborn.axisgrid.FacetGrid对象（见上方红色箭头）。更多figure-level绘图函数，如下图中蓝色框子内的jointplot、relplot、displot等。

6.3 figure-level、axes-level比较

大部分情况下，figure-level和axes-level函数功能非常相似，但也存在一些差异，例如，figure-level中图例被放置在图形之外，axes-level中则将图例被放置在图形之内（注意比较6.1章节和6.2章节）。

下文详细介绍figure-level和axes-level的差异。

• 6.3.1 figure-level多子图

figure-level最擅长多子图（subplot）绘制。例如，6.1章节和6.2章节中的堆叠直方图不容易直观看出每一种企鹅的“喙长 (毫米)”分布，解决该问题，可以尝试多子图，每一种企鹅绘制一个“喙长 (毫米)”分布直方图，figure-level函数一行代码实现多子图，

sns.displot(
    data=penguins,
    x="喙长 (毫米)",
    hue="企鹅的种类",  #按照"企鹅的种类"绘制子图
    col="企鹅的种类",  #图形按照"企鹅的种类"按行绘制
    palette=["#006a8e", "#b1283a", "#a8a6a7"])

虽然figure-level多子图绘制很便捷，但是，如果想单独设置某个子图就不够灵活，例如，

sns.displot(
    data=penguins,
    x="喙长 (毫米)",
    hue="企鹅的种类",
    col="企鹅的种类",
    binwidth=10,  #设置柱子的宽度
    palette=["#006a8e", "#b1283a", "#a8a6a7"])

binwidth可以高效设置所有子图的bin宽度，并不能设置某一个子图。

• 6.3.2 axes-level多子图个性化

axes-level也可以绘制多子图，需要通过参数ax指定子图，seaborn内部调用matplotlib.pyplot.gca()激活当前子图为需要绘图的对象，例如，

import matplotlib.pyplot as plt

fig, axs = plt.subplots(  #subplots添加3个子图
    1,3,figsize=(8, 4),
    gridspec_kw=dict(width_ratios=[1, 1, 1]))

colormaps = ["#006a8e", "#b1283a", "#a8a6a7"]
for i, species in enumerate(penguins['企鹅的种类'].unique()):
    data = penguins[penguins['企鹅的种类'] == species]
    sns.histplot(
        data=data,
        x='喙长 (毫米)',
        ax=axs[i],  # 参数ax激活当前子图axs[i]为需要绘图的对象
        color=colormaps[i])
    axs[i].set_title("企鹅的种类=%s" % species)

plt.tight_layout() 

效果类似figure-level绘制多子图，但是，axes-level代码量大大增加。相比于figure-level，axes-level更擅长每个子图的个性化，例如，

import matplotlib.pyplot as plt

f, axs = plt.subplots(  #subplots添加两个子图
    1,
    2,
    figsize=(8, 4),
    gridspec_kw=dict(width_ratios=[4, 3]))

sns.scatterplot(data=penguins,
                x="喙深 (毫米)",
                y="喙长 (毫米)",
                palette=["#006a8e", "#b1283a", "#a8a6a7"],
                hue="企鹅的种类",
                ax=axs[0])  #参数ax激活当前子图axs[0]为需要绘图的对象
sns.histplot(data=penguins,
             x="企鹅的种类",
             hue="企鹅的种类",
             palette=["#006a8e", "#b1283a", "#a8a6a7"],
             shrink=.8,
             alpha=.8,
             legend=False,
             ax=axs[1])  #参数ax激活当前子图axs[1]为需要绘图的对象
f.tight_layout()

• 6.3.3 figure-level全局个性化

figure-level拥有很多区别于matplotlib rcParams中的有用参数，这些参数seaborn独有，从全局设置图形，全局个性化是在seaborn.axisgrid.FacetGrid对象上设置。例如，修改多个子图x坐标轴上的标签，

import seaborn as sns
import pandas as pd
import matplotlib as mpl

g = sns.displot(
    data=penguins,
    x="喙长 (毫米)",  #修改前，多个子图x坐标轴上的标签取x变量名
    hue="企鹅的种类",
    col="企鹅的种类",
    palette=["#006a8e", "#b1283a", "#a8a6a7"])

修改前，多个子图x坐标轴上的标签取x变量名“喙长 (毫米)”。

一行代码修改多个子图x坐标轴上的标签“喙长 (mm)”，更多全局设置函数见后文。figure-level也可以调用axes-level个性化图形，例如，

import seaborn as sns
import pandas as pd
import matplotlib as mpl
 
g = sns.relplot(data=tips, x="消费金额 ($)", y="小费金额 ($)", color="#b1283a")

#调用axes-level方法matplotlib.lines._AxLine添加趋势线
g.ax.axline(xy1=(10, 2), slope=.2, color="#006a8e", dashes=(5, 2))

• 6.3.4 figure-level设置图形大小

axes-level设置图形的大小同matplotlib中figzie参数，例如，

# 第一张图代码
import matplotlib.pyplot as plt

f, ax = plt.subplots(figsize=(6, 4))  #figsize设置整个图形宽6、高4

# 第二张图代码
f, ax = plt.subplots(1, 2, figsize=(6, 4))  #两个子图均分整个图形大小

效果如下，

figure-level设置图形的大小同axes-level存在巨大差异，通过height设置每个图形高度，通过height * aspect设置每个图形宽度，例如，

# 第一张图代码
sns.FacetGrid(data=penguins, height=3, aspect=1)

# 第二张图代码
sns.FacetGrid(data=penguins, height=3, aspect=1, col='性别')  #设置每个子图大小

sns.FacetGrid(
    data=penguins,
    col='性别',
    height=3,  #通过height设置每个子图高度
    aspect=0.75)  #通过height * aspect设置每个图形宽度

• 6.4 figure-level、axes-level小结

figure-level和axes-level在简单图形上，效果几乎一样；figure-level会生成更清晰、简洁的图形，在多子图、全局统一设置方面优势明显；axes-level在需要绘制多个子图，且每个子图上绘制不同图形时优势明显。

如何加入学习 《保姆级seaborn教程》

👇加入学习 （ 收费、 务必备注：169 ）

✅解锁获取 5大权限：

• 代码（复制即可运行）
• 在线教程文档（方便后续更新）
• 依赖数据（免费下载）
• 交流群
• 后续更新