2019-09-17 15:42:10

docs/42.md

 # seaborn.JointGrid.plot
 
+> 译者：[Yet-sun](https://github.com/Yet-sun)
+
 ```py
 JointGrid.plot(joint_func, marginal_func, annot_func=None)
 ```

docs/43.md

 # seaborn.JointGrid.plot_joint
 
+> 译者：[Yet-sun](https://github.com/Yet-sun)
+
 ```py
 JointGrid.plot_joint(func, **kwargs)
 ```

docs/44.md

 # seaborn.JointGrid.plot_marginals
 
+> 译者：[Yet-sun](https://github.com/Yet-sun)
+
 ```py
 JointGrid.plot_marginals(func, **kwargs)
 ```

docs/45.md

 # seaborn.set
 
+> 译者：[lbllol365](https://github.com/lbllol365)
+
 ```python
 seaborn.set(context='notebook', style='darkgrid', palette='deep', font='sans-serif', font_scale=1, color_codes=True, rc=None)
 ```

docs/46.md

 # seaborn.axes_style
 
+> 译者：[lbllol365](https://github.com/lbllol365)
+
 ```python
 seaborn.axes_style(style=None,rc=None)
 ```

docs/47.md

 # seaborn.set_style
 
+> 译者：[lbllol365](https://github.com/lbllol365)
+
 ```python
 seaborn.set_style(style=None, rc=None)
 ```

docs/48.md

 # seaborn.plotting_context
+
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```python
 seaborn.plotting_context(context=None, font_scale=1, rc=None)
 ```

docs/49.md

 # seaborn.set_context
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```python
 seaborn.set_context(context=None, font_scale=1, rc=None)
 ```

docs/50.md

 # seaborn.set_color_codes
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```python
 seaborn.set_color_codes(palette='deep')
 ```

docs/51.md

 # seaborn.reset_defaults
 
+> 译者：[cancan233](https://github.com/cancan233)
+
  ```python
 seaborn.reset_defaults()
  ```

docs/52.md

 # seaborn.reset_orig
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```python
 seaborn.reset_orig()
 ```

docs/6.md

 # 线性关系可视化
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 许多数据集包含多定量变量，并且分析的目的通常是将这些变量联系起来。我们[之前讨论](#/docs/5)可以通过显示两个变量相关性的来实现此目的的函数。但是，使用统计模型来估计两组噪声观察量之间的简单关系可能会非常有效。本章讨论的函数将通过线性回归的通用框架实现。
 
 本着图凯(Tukey)精神，seaborn中的回归图主要用于添加视觉指南，以助于在探索性数据分析中强调存在于数据集的模式。换而言之，seaborn本身不是为统计分析而生。要获得与回归模型拟合相关定量度量，你应当使用 [statsmodels](https://www.statsmodels.org/). 然而，seaborn的目标是通过可视化快速简便地3探索数据集，因为这样做，如果说不上更，是与通过统计表探索数据集一样重要。