# seaborn.jointplot > 译者：[Stuming](https://github.com/Stuming) ```py seaborn.jointplot(x, y, data=None, kind='scatter', stat_func=None, color=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, joint_kws=None, marginal_kws=None, annot_kws=None, **kwargs) ``` 绘制两个变量的双变量及单变量图。 这个函数提供调用[`JointGrid`](seaborn.JointGrid.html#seaborn.JointGrid "seaborn.JointGrid")类的便捷接口，以及一些封装好的绘图类型。这是一个轻量级的封装，如果需要更多的灵活性，应当直接使用[`JointGrid`](seaborn.JointGrid.html#seaborn.JointGrid "seaborn.JointGrid"). 参数：`x, y`：strings 或者 vectors > `data`中的数据或者变量名。 `data`：DataFrame, 可选 > 当`x`和`y`为变量名时的 DataFrame. `kind`：{ “scatter” | “reg” | “resid” | “kde” | “hex” }, 可选 > 绘制图像的类型。 `stat_func`：可调用的，或者 None, 可选 > 已过时 `color`：matplotlib 颜色, 可选 > 用于绘制元素的颜色。 `height`：numeric, 可选 > 图像的尺寸（方形）。 `ratio`：numeric, 可选 > 中心轴的高度与侧边轴高度的比例 `space`：numeric, 可选 > 中心和侧边轴的间隔大小 `dropna`：bool, 可选 > 如果为 True, 移除`x`和`y`中的缺失值。 `{x, y}lim`：two-tuples, 可选 > 绘制前设置轴的范围。 `{joint, marginal, annot}_kws`：dicts, 可选 > 额外的关键字参数。 `kwargs`：键值对 > 额外的关键字参数会被传给绘制中心轴图像的函数，取代`joint_kws`字典中的项。 返回值：`grid`：[`JointGrid`](seaborn.JointGrid.html#seaborn.JointGrid "seaborn.JointGrid") > [`JointGrid`](seaborn.JointGrid.html#seaborn.JointGrid "seaborn.JointGrid")对象. 参考 绘制图像的 Grid 类。如果需要更多的灵活性，可以直接使用 Grid 类。 示例 绘制带有侧边直方图的散点图: ```py >>> import numpy as np, pandas as pd; np.random.seed(0) >>> import seaborn as sns; sns.set(style="white", color_codes=True) >>> tips = sns.load_dataset("tips") >>> g = sns.jointplot(x="total_bill", y="tip", data=tips) ```  添加回归线及核密度拟合: ```py >>> g = sns.jointplot("total_bill", "tip", data=tips, kind="reg") ```  将散点图替换为六角形箱体图: ```py >>> g = sns.jointplot("total_bill", "tip", data=tips, kind="hex") ```  将散点图和直方图替换为密度估计，并且将侧边轴与中心轴对齐: ```py >>> iris = sns.load_dataset("iris") >>> g = sns.jointplot("sepal_width", "petal_length", data=iris, ... kind="kde", space=0, color="g") ```  绘制散点图，添加中心密度估计: ```py >>> g = (sns.jointplot("sepal_length", "sepal_width", ... data=iris, color="k") ... .plot_joint(sns.kdeplot, zorder=0, n_levels=6)) ```  不适用 Pandas, 直接传输向量，随后给轴命名: ```py >>> x, y = np.random.randn(2, 300) >>> g = (sns.jointplot(x, y, kind="hex") ... .set_axis_labels("x", "y")) ```  绘制侧边图空间更大的图像: ```py >>> g = sns.jointplot("total_bill", "tip", data=tips, ... height=5, ratio=3, color="g") ```  传递关键字参数给后续绘制函数: ```py >>> g = sns.jointplot("petal_length", "sepal_length", data=iris, ... marginal_kws=dict(bins=15, rug=True), ... annot_kws=dict(stat="r"), ... s=40, edgecolor="w", linewidth=1) ```