seaborn中的kwargs和例如scatter_kws有什么区别？

Question

由于seaborn使用matplotlib进行绘图，因此其大多数功能（全部？）都可以通过某种方式将参数传递给绘制绘图的基本matplotlib函数。 这是一个很好的设计，它具有灵活性，而不会因过多的参数而使高级Seaborn功能混乱不堪。

但是，这样做似乎有两种不同的机制。 有些函数只接受任意的关键字参数，而高级函数无法识别的任何参数都只是传递给底层的matplotlib函数。 其他要求您将其他关键字参数放入字典中。

例如，两个AFAIK的seaborn.scatterplot和seaborn.lmplot都使用matplotlib.pyplot.scatter作为基础绘图功能。 如果我们想将s参数传递给matplotlib.pyplot.scatter以控制大小，在seaborn.scatterplot我们可以将其添加到函数调用中：

sns.scatterplot(data=df, x='mpg',y='weight',s=10)

但是在seaborn.lmplot我们必须将其填充到scatter_kws字典中：

sns.lmplot(data=df, x='mpg',y='weight', scatter_kws={'s' : 10})

也许我缺少明显的东西，但是我无法弄清楚为什么使用这些不同的机制。 是由于Seaborn工作方式内部的某些东西对最终用户不可见？ 是一种样式的遗产，而代码正在迁移到另一种样式？

Answer 1

seaborn.lmplot具有scatter_kws和line_kws参数。 scatter_kws关键字dict传递给Matplotlib的scatter函数的基础调用，而line_kws传递给Matplotlib的plot函数的基础调用。

因为底层Matplotlib scatter和plot呼叫共享一些关键字参数（如color ）的常见的，使用两个类型的字典允许用户单独地控制这两者。 即，用户可以将散点图的颜色指定为红色，而线图可以为蓝色。

相反， sns.scatterplot将其所有关键字参数发送到基础的Matplotlib scatter调用。 因此，不需要消除歧义。

Answer 2

lmplot绘制一个regplot到FacetGrid 。 regplot由一堆点（用于scatter ）和一条线（用于plot ）组成。

假设您将参数s传递给每个基础的matplotlib函数。 这将转嫁到scatter ，在那里它服务宗旨，而且还plot ，这没有任何s的说法。 繁荣。 错误。

此外，还有对两者都有效的参数，例如color ; 但是您可能希望重新绘图线的颜色与点的颜色不同。

这就是为什么seaborn中结合了几种绘图类型的函数允许使用这些单独的参数的原因。