Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Создание небольших кратных (подсюжетов) с помощью Seaborn
  • Понимание Seaborn FacetGrid для создания подсюжетов
  • Заключение
  • Дополнительные ресурсы
  1. Учебники Matplotlib и Seaborn
  2. Seaborn

Создание многосекционных сеток в Seaborn с помощью FacetGrid

PreviousТепловая карта Seaborn: Полное руководствоNextУдаление рамки в Seaborn: Как работать с рамкой

Last updated 1 month ago

Seaborn — это библиотека для визуализации данных, которая позволяет создавать сложные статистические визуализации простым способом. Одним из её преимуществ является возможность легко добавлять подграфики. В этом руководстве вы узнаете, как создавать сетки с несколькими графиками, используя Seaborn FacetGrid и подграфики. Поскольку Seaborn призван упростить создание сложных визуализаций, он предоставляет высокоуровневые функции для простого создания сеток графиков.

В конце этого руководства вы узнаете следующее:

  • Как добавить строки и столбцы или данные в график Seaborn для создания подграфиков

  • Как работает объект Seaborn FacetGrid и как его использовать

Оглавление

Создание небольших кратных (подсюжетов) с помощью Seaborn

Seaborn упрощает добавление нескольких подграфиков на график с параметрами col=, row= и hue=. Эти параметры позволяют добавлять небольшие множественные графики в строки и столбцы основной фигуры графика для дальнейшего разделения данных на эти категории. Это позволяет создавать визуализации, такие как представленная ниже:

Добавление цвета с параметром hue в сетку мультиплотов Seaborn

Как вы узнаете в следующем разделе, эти визуализации построены на основе FacetGrid. Поэтому необходимо использовать функции фигурного уровня Seaborn, которые включают следующие:

Теперь давайте разберемся, как использовать эти функции для добавления строк и столбцов малых множеств в Seaborn.

Добавление столбцов визуализаций к графику в Seaborn

Добавление столбцов подзаголовков к визуализации на уровне фигуры в Seaborn можно осуществить с помощью параметра col=. Например, если мы хотим добавить малые мультипликаты к столбцам диаграммы рассеяния, мы могли бы использовать следующий код:

# Добавление столбцов подграфиков в Seaborn

import seaborn as sns  # Импорт библиотеки seaborn для визуализации данных
import matplotlib.pyplot as plt  # Импорт библиотеки matplotlib для построения графиков

df = sns.load_dataset('penguins')  # Загрузка набора данных 'penguins'

sns.relplot(data=df, x='bill_length_mm', y='bill_depth_mm', col='island')  # Создание графика relplot, разделенного на столбцы по уникальным значениям столбца 'island'
plt.show()  # Отображение графика

Это возвращает следующее изображение, где переменная, переданная в параметр col=, разделена на несколько подграфиков:

В следующем разделе вы узнаете, как добавлять строки дополнительных графиков.

Добавление рядов визуализаций к графику в Seaborn

Добавление рядов подграфиков к визуализации на уровне фигуры в Seaborn можно осуществить с помощью параметра row=. Например, если мы хотим добавить малые мультипликаты к рядам диаграммы рассеяния, мы могли бы использовать следующий код:

# Добавление строк подграфиков на график Seaborn

import seaborn as sns  # Импорт библиотеки seaborn для визуализации данных
import matplotlib.pyplot as plt  # Импорт библиотеки matplotlib для построения графиков

df = sns.load_dataset('penguins')  # Загрузка набора данных 'penguins'

sns.relplot(data=df, x='bill_length_mm', y='bill_depth_mm', row='sex', col='island')  # Создание графика relplot, разделенного на строки по уникальным значениям столбца 'sex' и на столбцы по уникальным значениям столбца 'island'
plt.show()  # Отображение графика

Это возвращает следующее изображение, где мы также добавили строки субплотов. Мы объединили параметры col= и row=, чтобы создать сетку субплотов

В следующем разделе вы узнаете, как добавить еще одну переменную данных, разделяя данные по цвету.

Добавление цвета к визуализации сюжета в Seaborn

Помимо разделения данных на строки и столбцы подграфиков, мы также можем добавить цвет для добавления еще одного измерения.

# Добавление дополнительных данных с параметром Hue

import seaborn as sns  # Импорт библиотеки seaborn для визуализации данных
import matplotlib.pyplot as plt  # Импорт библиотеки matplotlib для построения графиков

df = sns.load_dataset('penguins')  # Загрузка набора данных 'penguins'

sns.relplot(data=df, x='bill_length_mm', y='bill_depth_mm', row='sex', col='island', hue='species')  # Создание графика relplot, разделенного на строки по уникальным значениям столбца 'sex', на столбцы по уникальным значениям столбца 'island' и с цветовым кодированием по уникальным значениям столбца 'species'
plt.show()  # Отображение графика

При использовании этого кода мы получаем визуализацию, представленную ниже, где дополнительная переменная добавлена с помощью цвета.

Теперь, когда вы рассмотрели некоторые практические примеры, давайте погрузимся в то, как работает Seaborn

Понимание Seaborn FacetGrid для создания подсюжетов

Seaborn FacetGrid позволяет разместить несколько графиков на одном графике. Это фактически тип объекта, который возвращается при создании визуализаций на уровне фигуры, например, при использовании relplot().

Посмотрим, как это выглядит на языке Python:

# Создание пустой сетки FacetGrid

import seaborn as sns  # Импорт библиотеки seaborn для визуализации данных
import matplotlib.pyplot as plt  # Импорт библиотеки matplotlib для построения графиков

df = sns.load_dataset('penguins')  # Загрузка набора данных 'penguins'

grid = sns.FacetGrid(data=df, col='island')  # Создание объекта FacetGrid, разделенного на столбцы по уникальным значениям столбца 'island'

В приведенном выше примере мы создали FacetGrid grid, передав DataFrame df в параметр data=, а столбец 'island' в параметр col= .

Поскольку в нашем наборе данных три уникальных значения в столбце 'island', создаются три пустых графика. Мы можем передавать данные, используя метод .map(), который позволяет передать функцию для отображения, а также дополнительные параметры.

Например, если мы передаем функцию sns.scatterplot, нам нужно передать как минимум два дополнительных параметра: один для оси x и один для оси y. Давайте посмотрим, как это выглядит:

# Добавление данных в отображение FacetGrid

import seaborn as sns  # Импорт библиотеки seaborn для визуализации данных
import matplotlib.pyplot as plt  # Импорт библиотеки matplotlib для построения графиков

df = sns.load_dataset('penguins')  # Загрузка набора данных 'penguins'

grid = sns.FacetGrid(data=df, col='island')  # Создание объекта FacetGrid, разделенного на столбцы по уникальным значениям столбца 'island'
grid.map(sns.scatterplot, 'bill_depth_mm', 'bill_length_mm')  # Добавление точечного графика (scatterplot) к каждой подграфике сетки, используя столбцы 'bill_depth_mm' и 'bill_length_mm' для осей x и y соответственно
plt.show()  # Отображение графика

Передавая эти дополнительные сопоставления, мы можем создать тот же график, который могли бы создать с помощью: sns.relplot(data=df, x='bill_depth_mm', y='bill_length_mm', col='island'). Наш код более явный, хотя второй код проще написать (и, возможно, проще понять).

График выше показывает FacetGrid, созданный путем передачи нашего DataFrame с разделением по столбцу island.

Заключение

В этом уроке вы научились использовать Seaborn для создания подграфиков методом небольших множеств. Используя FacetGrid из Seaborn, вы можете разделить ваши графики на строки и столбцы, распределив их по нескольким переменным.

Сначала вы научились использовать функции на уровне фигур в Seaborn для создания неявных FacetGrid. Они могут использоваться с параметрами row= и col= для передачи дополнительных переменных для разделения данных. Затем вы научились создавать FacetGrid с нуля и отображать функции и данные для визуализации данных.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с ресурсами ниже:

  • Seaborn relplot – Создание диаграмм рассеяния и линейных диаграмм

sns.relplot()

sns.displot()

sns.catplot()

Использование столбцов в графике Seaborn с малым множеством графиков
Использование строк в диаграмме Small Multiples
Добавление цвета с помощью параметра hue в сетку графиков Seaborn.
Создание пустой сетки Seaborn
Добавление данных в диаграмму рассеяния Seaborn FacetGrid

for relational data
for distribution data
for categorical data
Seaborn FacetGrid и Small Multiples: Официальная документация
Создание минимально кратных (подсюжетов) с помощью Seaborn
Добавление столбцов визуализации к графику в Seaborn
Добавление рядов визуализаций к графику в Seaborn
Добавление цвета к визуализации сюжета в Seaborn
Понимание Seaborn FacetGrid для создания подсюжетов
Заключение
Дополнительные ресурсы
Using columns in a Seaborn Small Multiples Plot
Creating an Empty Seaborn FacetGrid
Using rows in a Seaborn Small Multiples Plot
Adding color with the hue parameter to a Seaborn multi-plot grid
Adding Data to a Seaborn FacetGrid Scatterplot
Adding color with the hue parameter to a Seaborn multi-plot grid