Skip to content

視覺化 › Seaborn › 關係圖

關係圖 (Relational Plots) ​

兩個連續變數之間的關係:scatterplot 看點的分布,lineplot 看 y 隨有序的 x(時間、劑量)如何變化。relplot(kind=...) 是 figure-level 版,可以 facet。

散布圖 ​

python
import seaborn as sns
import matplotlib.pyplot as plt

iris = sns.load_dataset("iris")

# 1. hue / size / style 同時編碼三個額外變數
sns.scatterplot(data=iris, x="sepal_length", y="petal_length",
                hue="species", style="species", size="petal_width", alpha=0.7)

# 2. facet:每個物種一個子圖
sns.relplot(data=iris, x="sepal_length", y="sepal_width", col="species", col_wrap=2, height=3)
參數對應建議
hue顏色最容易辨識,放最重要的分組
style點形 / 線型與 hue 用同一欄可提高色盲可讀性
size點大小 / 線粗數值欄位;大小差異不易精確比較
alpha透明度點多時降低
col / row / col_wrap子圖只在 relplot

折線圖與彙總 ​

lineplot 同一個 x 有多個 y 時,會自動彙總:畫平均線 + 95% bootstrap CI 誤差帶。

python
flights = sns.load_dataset("flights")       # 每年 12 個月 → 每個 year 有 12 個值

# 1. 每年平均 + 95% CI(預設)
sns.lineplot(data=flights, x="year", y="passengers")

# 2. 改成 ± SD;或 errorbar=None 不畫
sns.lineplot(data=flights, x="year", y="passengers", errorbar="sd")

# 3. 每個月一條線,不彙總
sns.lineplot(data=flights, x="year", y="passengers", hue="month", palette="viridis")

# 4. 每個個體一條線(重複測量、單細胞軌跡):units= 指定個體、estimator=None 關閉彙總
fmri = sns.load_dataset("fmri")
sns.lineplot(data=fmri.query("region == 'frontal'"), x="timepoint", y="signal",
             units="subject", estimator=None, lw=0.8, color="gray")
參數用途
estimator彙總函式,預設 "mean";None 不彙總
errorbar("ci", 95)(預設)、"sd"、("pi", 50)、None;舊參數 ci= 已棄用
err_style"band"(預設,誤差帶)或 "bars"(誤差線)
units每個個體畫一條線,需搭配 estimator=None
markers=True、dashes=False加點標記、全部實線
sort=False不依 x 排序(x 是軌跡順序時)

x 沒有順序時(如 iris 的 sepal_length 對 sepal_width),lineplot 照樣會彙總並連線,但這條線沒有意義,應該用散布圖。

重複測量的資料(同一受試者多個時間點),預設 CI 把每個觀測當獨立樣本,會低估不確定性;先算每人的值再彙總,或用 混合效應模型。