`seaborn.displot()` 是 Seaborn 库中用于绘制分布图的一个函数，可以方便地展示数据集的分布情况以及观察变量的变化趋势。它是一个高度封装的绘图工具，能够结合直方图、核密度估计(KDE) 和其他统计图表生成丰富的可视化效果。 以下是 `seaborn.displot()` 的一些关键点： ### 基本用法 ```python import seaborn as sns sns.displot(data=None, x=None, y=None, hue=None, row=None, col=None, weights=None, kind='hist', rug=False, …) ``` #### 参数解释： - **data**: 数据源，通常是 Pandas DataFrame。 - **x/y**: 指定需要分析的数据列名 (x 对应单变量分布，y 可选用于联合分布)。 - **hue**: 分组变量，通过颜色区分不同的分组类别。 - **row/col**: 定义小提琴图矩阵的行或列维度。 - **kind**: 图表种类，默认值 `'hist'` 表示直方图，还可以选择 `'kde'`(核密度), `'ecdf'`(经验累积分布函数). - **rug**: 是否显示边缘标记(rug plot)，默认 False. - 其他选项如 bins(控制直方图柱数), kde_kws(传递给 KDE 绘制的参数) 等均可自定义调整样式及细节配置. ### 示例代码 ```python # 导入必要的库并加载内置数据集tips import seaborn as sns import matplotlib.pyplot as plt sns.set_theme(style="whitegrid") tips = sns.load_dataset("tips") # 使用 displot 展现 tips['total_bill'] 列的分布，并添加 KDE 曲线 sns.displot(tips, x="total_bill", kind="hist", kde=True) plt.show() ``` 上述代码将基于 "tips" 数据集中总账单金额(`total_bill`)创建带核密度曲线的历史频率分布图像。 ### 进阶应用案例 - 多层次分类对比 如果想要按某些特征对样本进一步细分比较，则可通过设置额外的关键字参数完成更复杂的布局设计： ```python sns.displot( data=tips, x="tip", col="time", # 根据用餐时间划分成两部分子面板(day vs night) row="sex", # 同时按照性别划分子面板(male/female) facet_kws=dict(margin_titles=True), height=3 # 设置每个独立的小画布的高度尺寸单位英寸(inches) ) ``` 此段脚本会依据顾客是否为男性(female/male)再搭配进餐时段(lunch/dinner)的不同组合呈现相应的小型网格状散点密度映射视图结果。 ---