【Seaborn】sns.jointplot() 函数：联合分布图（Joint Distribution Plot）、同时显示 散点图、直方图、核密度估计（KDE）

sns.jointplot() —— 联合分布图（Joint Distribution Plot）

seaborn.jointplot() 用于 可视化两个数值变量的联合分布，同时显示 散点图、直方图、核密度估计（KDE）等，适用于 变量关系探索（EDA）。

---

1. 语法

import seaborn as sns

sns.jointplot(data=None, x=None, y=None, kind="scatter", hue=None, marginal_kws=None)

主要参数

参数	作用
data	DataFrame 数据集
x	X 轴变量（数值）
y	Y 轴变量（数值）
kind	绘图类型（"scatter"、"hist"、"kde"、"hex"、"reg"）
hue	按类别分色
marginal_kws	额外控制边缘图（如 bins）

---

2. kind 参数（支持的图表类型）

kind	作用
"scatter"	散点图（默认）
"hist"	直方图（2D 直方图）
"kde"	核密度估计（KDE）
"hex"	六边形分布（适用于大数据）
"reg"	回归散点图（带回归线）

---

3. 基本示例

3.1 kind="scatter"（默认：散点图 + 直方图）

import seaborn as sns
import matplotlib.pyplot as plt

# 加载数据
data = sns.load_dataset("penguins")

# 画联合分布图
sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g")

plt.show()

📌 说明

• 中心：散点图
• 上方/右侧：直方图
• 用于观察变量关系和分布
  

---

3.2 kind="hist"（2D 直方图 + 边缘直方图）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", kind="hist")

plt.show()

📌 作用

• 中间区域显示 2D 直方图（颜色深度表示密度）。
• 适用于 大数据可视化。
  

---

3.3 kind="kde"（核密度估计）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", kind="kde")

plt.show()

📌 作用

• 中间：二维 KDE（等高线密度图）。
• 边缘：KDE 曲线（替代直方图）。
  

---

3.4 kind="hex"（六边形分布）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", kind="hex")

plt.show()

📌 作用

• kind="hex" 适用于大数据，避免散点图点重叠问题。
  

---

3.5 kind="reg"（回归散点图 + 直方图）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", kind="reg")

plt.show()

📌 作用

• kind="reg" 在散点图上加回归线，适用于 变量趋势分析。
  

---

4. 进阶用法

4.1 按类别分类（hue 参数）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", hue="species")

plt.show()

📌 作用

• hue="species" → 不同物种用不同颜色。
  

---

4.2 调整边缘图参数（marginal_kws）

sns.jointplot(data=data, x="flipper_length_mm", y="body_mass_g", kind="hist", marginal_kws={"bins": 20})

plt.show()

📌 作用

• marginal_kws={"bins": 20} → 控制边缘直方图的 bins。
  

---

5. sns.jointplot() vs sns.pairplot()

	sns.jointplot()	sns.pairplot()
显示关系	2 个变量	多个变量
支持 hue 分类	✅	✅
适用于	单个变量对分析	多变量探索

sns.pairplot(data=data, hue="species")
plt.show()

📌 推荐

• 2 变量关系 → jointplot()
• 多个变量分析 → pairplot()
  

---

6. 总结

✅ sns.jointplot() 适用于两个数值变量的联合分布可视化。
✅ 常见参数

• kind="scatter"（默认），kind="hist"（2D 直方图），kind="kde"（密度估计）。
• hue 按类别分类，marginal_kws 控制边缘图参数。