1.マッピング機能
seaborn.scatterplot(x=None, y=None, hue=None, style=None, size=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, markers=True, style_order=None, x_bins=None, y_bins=None, units=None, estimator=None, ci=95, n_boot=1000, alpha='auto', x_jitter=None, y_jitter=None, legend='brief', ax=None, **kwargs)
2.主なパラメータを説明します
いくつかは、スキャッタグラムセマンティックパケットをプロットしました。XとデータYの異なるサブセット間の関係は、これらの3つのパラメータの属性の色相、サイズ、スタイルを描くことによって制御することができます。これらのパラメータは、異なるサブセットの視覚的意味情報のコントロールを識別するために使用されている、セマンティックタイプの3つのすべての種類を使用することができ、3つの別々の寸法を示しますが、この図面のスタイルや難しいことではありませんが、ほとんどの時間をどのような効果を説明します。（例：同じ変数の色相とスタイルの両方を使用して）意味情報を過度に使用するマッピングのために役立つだけでなく、理解しやすいです。
X、Y：変数名内部データ又はベクタデータ、選択
入力変数データを、数値である必要があり、データを直接転送または参照データ列することができます
色相：選択変数名、カテゴリまたは数値データ線内のデータ又はベクタデータ、
変数は、カテゴリは、デジタルであってもよいとすることができる点がグループ化され、異なる色を生成します
スタイル：変数名、カテゴリまたは数値データライン内のデータやベクトルデータを、選択的に
変数は、分類するためのさまざまなポイントマーカーを生成します数値型を持つことができますが、この数字はカテゴリとして扱われます
データ：データフレームのデータ・タイプ
データフレームが列ごとに可変である、各行が観測値であります
サイズ：リスト、辞書やタプル、カテゴリや数値データラインオプション
サイズを使用する場合は、サイズのオブジェクトを選択する方法を決定するために使用。これは、値のリストが含まれているサイズ、または辞書サイズの可変サイズのレベルにマップされている可能性があります。サイズはデジタル時間である場合、サイズが最大とタプルの最小サイズを含んでもよく、他の値が範囲指定されたタプルに正規化されます
などだけでなく、他のパラメータの特定の参照：seaborn0.9中国のドキュメント
以下の3例
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
index = pd.date_range('2000-01-01', periods=100, freq='m', name='date')
data = np.random.randn(100, 4).cumsum(axis=0)
#print(data)
wide_df = pd.DataFrame(data, index, columns=['a', 'b', 'c', 'd'])
wide_df['style'] = np.nan
wide_df['style'][0:50] = 'A'
wide_df['style'][50:100] = 'B'
# print(wide_df.tail())
# hue参数，颜色区分数据类别
ax = sns.scatterplot(x='a', y='b', hue='style', data=wide_df)
plt.title('Scatter of hue')
plt.grid()
plt.show()
次のようにイメージは以下のとおりです。
#style参数，不同标记区分数据类别
ax = sns.scatterplot(x='a', y='b', hue='style', data=wide_df)
plt.title('Scatter of style')
plt.grid()
plt.show()
次のようにイメージは以下のとおりです。
#size参数，不同散点大小区分数据类别
x = sns.scatterplot(x='a', y='b', size='c', data=wide_df)
plt.title('Scatter of size')
plt.grid()
plt.show()
次のようにグラフィックスは、以下のとおりです。
#多参数运用，区分数据散点类别
ax = sns.scatterplot(x='a', y='b', hue='d', style='style', size='c', data=wide_df)
plt.title('Scatter of All')
plt.grid()
plt.show()
グラフィックスは、以下：
色相とサイズ・パラメータが数値型である、それぞれの色に対応する範囲内に、値の5つの数値範囲に分割され、大きさを散乱する、スタイルパラメータデータは、ここではデータの種類である、散布に属しているデータの種類を区別する形状。適用することができ、他の多くのパラメータ希望をより知っているならば、あなたはを参照することができ、があります。[seaborn0.9中国のドキュメント]
