折线图和散点图是最常用的展示两个变量间关系的图表，在seaborn中，通过以下两个函数来绘制对应的图形
1. satterplot, 绘制散点图
2. lineplot, 绘制折线图
seaborn采用了类似ggplot2的语法，每个变量为数据框的某一列，对于散点图和折线图而言，基本的变量就是x和y两个变量了。除此之外，其他列的变量可以作为属性的映射，常用的属性映射列表如下
1. hue, 用于映射颜色
2. size,用于映射线条的宽度或者点的大小
3. style, 用于映射线条的样式或者点的样式
散点图的代码示例如下
>>> df = pd.read_csv('tips.csv')>>> sns.scatterplot(data=df, x="total_bill", y="tip", hue="day", style="time", size="size")
>>> plt.show()
输出结果如下
折线图的代码示例如下
>>> sns.lineplot(data=df, x="total_bill", y="tip", hue="day", style="time", size='size')输出结果如下
seaborn会自动进行属性映射，并将对应的属性添加到图例上，在映射时，我们可以通过以下两类参数来控制对应的映射属性
1. order
该系列包含了以下3个参数
1. hue_order
2. size_order
3. style_order
分别用于指定不用属性的排列情况，以hue_order为例，基本用法如下
>>> sns.scatterplot(data=df, x="total_bill", y="tip", hue="day", style="time", size='size', hue_order=['Fri','Thur','Sat','Sun'])输出结果如下
从图例可以看出，会按照hue_order自定的顺序去映射颜色梯度，其实style属性也是类似的效果。但是有一个例外，就是size属性，当size属性对应的列为数值时，seaborn会自动将数值设置为点的大小，此时指定size_order属性时没用的。
2. norm
order系列参数控制离散变量的映射过程，而norm系列函数用于映射连续变量的映射过程，也就是当对应列为数值时的映射过程，。和order系列函数类似，norm系列包含了hue_norm和size_norm两个参数。
以hue_norm参数为例，用法如下
>>> sns.scatterplot(data=df, x="total_bill", y="tip", hue="size", style="time", hue_norm=(2, 5))输出结果如下
seaborn会自动根据属性组合进行图例的显示，示例如下
sns.scatterplot(data=df, x="total_bill", y="tip", hue="day", style="day")上述代码将hue和style属性映射为同一个变量，在图例中，自动将这两种属性进行了组合，输出结果如下
当多个属性对应不同变量时，就会每种属性单独一个图例显示。
scatterplot专门用于绘制散点图，lineplot用于绘制折线图，而relplot则可以在灵活调用这两个函数来绘图，而且添加了分面的支持，用法如下
>>> sns.relplot(data=df, x="total_bill", y="tip", hue="day", col="time")输出结果如下
如果需要多幅图之间的排列比对，选择relplot这种figure-level级别的函数来实现会更加简单，如果只需要单幅图，用scatterplot和lineplot更高效。
·end·
一个只分享干货的
生信公众号