2019-09-17 15:39:09

docs/11.md

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

docs/12.md

 # **seaborn.lineplot**
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```python
 seaborn.lineplot(x=None, y=None, hue=None, size=None, style=None, data=None, palette=None, hue_order=None, hue_norm=None, sizes=None, size_order=None, size_norm=None, dashes=True, markers=None, style_order=None, units=None, estimator='mean', ci=95, n_boot=1000, sort=True, err_style='band', err_kws=None, legend='brief', ax=None, **kwargs)
 ```

docs/15.md

 # seaborn.swarmplot
 
+> 译者：[LIJIANcoder97](https://github.com/LIJIANcoder97)
+
 ```py
 seaborn.swarmplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, dodge=False, orient=None, color=None, palette=None, size=5, edgecolor='gray', linewidth=0, ax=None, **kwargs)
 ```

docs/20.md

 # seaborn.barplot
 
+> 译者：[melon-bun](https://github.com/melon-bun)
+
 ```py
 seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean>, ci=95, n_boot=1000, units=None, orient=None, color=None, palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None, dodge=True, ax=None, **kwargs)
 ```

docs/23.md

 # seaborn.pairplot
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```py
 seaborn.pairplot(data, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, dropna=True, plot_kws=None, diag_kws=None, grid_kws=None, size=None)
 ```

docs/31.md

 # seaborn.clustermap
 
+> 译者：[cancan233](https://github.com/cancan233)
+
 ```py
 seaborn.clustermap(data, pivot_kws=None, method='average', metric='euclidean', z_score=None, standard_scale=None, figsize=None, cbar_kws=None, row_cluster=True, col_cluster=True, row_linkage=None, col_linkage=None, row_colors=None, col_colors=None, mask=None, **kwargs)
 ```

docs/33.md

@@ -10,11 +10,11 @@ FacetGrid.map(func, *args, **kwargs)
 
 参数：`func`：可调用
 
-> 一个接受数据和关键字参数的绘图函数。它必须绘制到当前活动的matplotlib轴并采用<cite>color</cite>关键字参数。如果在<cite>hue</cite>维度上进行分面，必须也使用<cite>label</cite>关键字参数。
+> 一个接受数据和关键字参数的绘图函数。它必须绘制到当前活动的matplotlib轴并采用`color`关键字参数。如果在`hue`维度上进行分面，必须也使用`label`关键字参数。
 
 `args`：字符串
 
-> 数据的列名，用于标识要绘制数据的变量。每个变量的数据按照调用中指定变量的顺序传递给<cite>func</cite>。
+> 数据的列名，用于标识要绘制数据的变量。每个变量的数据按照调用中指定变量的顺序传递给`func`。
 
 `kwargs`：关键字参数
 

docs/34.md

@@ -8,11 +8,11 @@ FacetGrid.map_dataframe(func, *args, **kwargs)
 
 和 `.map`类似，但是将args作为字符串传递并将数据插入到kwargs中.
 
-此方法适用于使用接受长格式DataFrame作为<cite>data</cite>关键字参数并使用字符串变量名访问该DataFrame中的数据的函数进行绘图。
+此方法适用于使用接受长格式DataFrame作为`data`关键字参数并使用字符串变量名访问该DataFrame中的数据的函数进行绘图。
 
 参数：`func`：可调用
 
-> 一个接受数据和关键字参数的绘图函数。与&lt;cite&gt;map&lt;/cite&gt;方法不同,此处使用的函数必须“理解”Pandas对象。它也必须绘制到当前活动的matpltolib轴并采用&lt;cite&gt;color&lt;/cite&gt;关键字参数。如果在<cite>hue</cite>维度上进行分面，必须也使用<cite>label</cite>关键字参数。
+> 一个接受数据和关键字参数的绘图函数。与`map`方法不同,此处使用的函数必须“理解”Pandas对象。它也必须绘制到当前活动的matpltolib轴并采用`color`关键字参数。如果在<cite>hue</cite>维度上进行分面，必须也使用<cite>label</cite>关键字参数。
 
 `args`：字符串
 

docs/35.md

 # seaborn.PairGrid
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 class seaborn.PairGrid(data, hue=None, hue_order=None, palette=None, hue_kws=None, vars=None, x_vars=None, y_vars=None, diag_sharey=True, height=2.5, aspect=1, despine=True, dropna=True, size=None)
 ```

docs/36.md

 # seaborn.PairGrid.map
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 PairGrid.map(func, **kwargs)
 ```

docs/37.md

 # seaborn.PairGrid.map_diag
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 PairGrid.map_diag(func, **kwargs)
 ```

docs/38.md

 # seaborn.PairGrid.map_offdiag
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 PairGrid.map_offdiag(func, **kwargs)
 ```

docs/39.md

 # seaborn.PairGrid.map_lower
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 PairGrid.map_lower(func, **kwargs)
 ```

docs/40.md

 # seaborn.PairGrid.map_upper
 
+> 译者：[sfw134](https://github.com/sfw134)
+
 ```py
 PairGrid.map_upper(func, **kwargs)
 ```

docs/41.md

 # seaborn.JointGrid
 
+> 译者：[Yet-sun](https://github.com/Yet-sun)
+
 ```py
 class seaborn.JointGrid(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None, ylim=None, size=None)
 ```
@@ -34,7 +36,7 @@ __init__(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None,
 
 `dropna`：bool, 可选
 
-> 如果为True，则删除 <cite>x</cite> 和 <cite>y</cite>中缺少的观察结果。
+> 如果为True，则删除 `x` 和 `y`中缺少的观察结果。
 
 `{x, y}lim`：二元组，可选
 
@@ -167,9 +169,9 @@ __init__(x, y, data=None, height=6, ratio=5, space=0.2, dropna=True, xlim=None,
 
 [`plot`](seaborn.JointGrid.plot.html#seaborn.JointGrid.plot "seaborn.JointGrid.plot")(joint_func, marginal_func[, annot_func]) | 绘制完整绘图的快捷方式。
 
- [`plot_joint`](seaborn.JointGrid.plot_joint.html#seaborn.JointGrid.plot_joint "seaborn.JointGrid.plot_joint")(func, **kwargs) | 绘制 <cite>x</cite> 和 <cite>y</cite>的双变量图。
+ [`plot_joint`](seaborn.JointGrid.plot_joint.html#seaborn.JointGrid.plot_joint "seaborn.JointGrid.plot_joint")(func, **kwargs) | 绘制 `x` 和 `y`的双变量图。
 
-[`plot_marginals`](seaborn.JointGrid.plot_marginals.html#seaborn.JointGrid.plot_marginals "seaborn.JointGrid.plot_marginals")(func, **kwargs) | 分别绘制 <cite>x</cite> 和 <cite>y</cite> 的单变量图。
+[`plot_marginals`](seaborn.JointGrid.plot_marginals.html#seaborn.JointGrid.plot_marginals "seaborn.JointGrid.plot_marginals")(func, **kwargs) | 分别绘制 `x` 和 `y` 的单变量图。
 
  `savefig`(*args, **kwargs) | 封装 figure.savefig 默认为紧边界框。
 

docs/42.md

@@ -6,7 +6,7 @@ JointGrid.plot(joint_func, marginal_func, annot_func=None)
 
 绘制完整绘图的快捷方式。
 
-直接使用 <cite>plot_joint</cite> 和 <cite>plot_marginals</cite> 进行更多控制.
+直接使用 `plot_joint` 和 `plot_marginals` 进行更多控制.
 
 参数：**joint_func, marginal_func：可调用**
 
@@ -14,4 +14,4 @@ JointGrid.plot(joint_func, marginal_func, annot_func=None)
 
 返回值：`self`：JointGrid 实例
 
-> 返回 <cite>self</cite>.
+> 返回 `self`.

docs/43.md

@@ -4,7 +4,7 @@
 JointGrid.plot_joint(func, **kwargs)
 ```
 
-绘制 <cite>x</cite> and <cite>y</cite>的双变量图。
+绘制 `x` and `y`的双变量图。
 
 参数：`func`：可调用的绘图函数
 
@@ -16,4 +16,4 @@ JointGrid.plot_joint(func, **kwargs)
 
 返回值：`self`：JointGrid 实例
 
-> 返回 <cite>self</cite>.
+> 返回 `self`.

docs/44.md

@@ -4,7 +4,7 @@
 JointGrid.plot_marginals(func, **kwargs)
 ```
 
-分别绘制 <cite>x</cite> 和 <cite>y</cite> 的单变量图。
+分别绘制 `x` 和 `y` 的单变量图。
 
 参数：`func`：可调用的绘图函数
 
@@ -16,4 +16,4 @@ JointGrid.plot_marginals(func, **kwargs)
 
 返回值：`self`：JointGrid 实例
 
-> 返回 <cite>self</cite>.
+> 返回 `self`.

docs/70.md

@@ -10,7 +10,7 @@ seaborn.load_dataset(name, cache=True, data_home=None, **kws)
 
 参数：`name`：字符串
 
-> 数据集的名字 (<cite>name</cite>.csv on [https://github.com/mwaskom/seaborn-data](https://github.com/mwaskom/seaborn-data))。 您可以通过 `get_dataset_names()` 获取可用的数据集。
+> 数据集的名字 (`name`.csv on [https://github.com/mwaskom/seaborn-data](https://github.com/mwaskom/seaborn-data))。 您可以通过 `get_dataset_names()` 获取可用的数据集。
 
 `cache`：boolean, 可选