相信大家在開始python的使用后，便隨后接觸到了matplotlib這個與python兼容的很好的制圖庫。但是，如果想把圖做的更細，更上流，那么則需要seaborn這個庫，比起matplotlib更容易上手，并且和pandas的兩種主要數據結構Series和DataFrame有著很強的兼容性。

1 . 安裝，工欲善其事，安裝 seaborn，有兩種方法。

pip install seabornconda install seaborn

在這里我用的conda的客戶端版。

2. 對于seaborn的介紹，我們從最簡單也是最常用的"柱狀圖"開始。

barplot便是seaborn庫的柱狀圖方法。

seaborn

seaborn所做的柱狀圖

2.1 數據集介紹

在這里我們使用seaborn自帶的數據集tips。

import seaborn as sns tips = sns.load_dataset("tips") print(tips.head())>>>total_bill tip sex smoker day time size 0 16.99 1.01 Female No Sun Dinner 2 1 10.34 1.66 Male No Sun Dinner 3 2 21.01 3.50 Male No Sun Dinner 3 3 23.68 3.31 Male No Sun Dinner 2 4 24.59 3.61 Female No Sun Dinner 4

Tips是Dataframe結構, 其矩陣為（244, 7），一共有244條數據，7個屬性，分別為

• total_bill: 賬單總額
• tip: 小費
• sex: 性別
• smoker: 是否抽煙
• day: 周幾（周一 至 周日）
• time: 上午下午
• size: 人數

2.2 seaborn.barplot 方法使用以及參數介紹

2.2.1: 嘗試 barplot

sns.barplot(x = 'day', y = 'total_bill', data = tips) plt.show() # 黑線表示置信區間（Confidence interval）

圖2.2.1

橫坐標：周幾

縱坐標：賬單金額

上圖黑線為縱坐標數據的統計數據的

置信區間_百度百科?baike.baidu.com

，如果不改動的話默認為平均數。

2.2.2 使用 hue 分類每一列數據,按性別來分

還是剛才的數據，將賬單金額按男女性別劃分開來，使用到參數 hue 。

sns.barplot(x = 'day', y = 'total_bill', hue= 'sex',data= tips) plt.show()

圖2.2.2

通過 hue 的設置，可以將圖2.2.1按性別更加細化。

2.2.3 畫一個horizontal （水平方向）的圖

sns.barplot(x = 'tip', y = 'day', data=tips) plt.show()

圖2.2.3.1

在barplot 有一個參數為orient, 參數包括 ’v' 和‘h’ ，分別對應垂直方向和水平方向，也可以通過這個函數將圖轉化為水平或者豎直方向。

sns.barplot(x = 'day', y = 'tip', data = tips, orient='v') plt.show()

圖2.2.3.2

2.2.4 顯性的控制bar的排列, 每一列的排序是默認的，但是可以通過參數 order 進行修改

fig = plt.figure() ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) ax1.set_title("default") ax2.set_title("after changing order")sns.barplot(x='time', y = 'tip', data=tips, ax = ax1) # lunch, dinner sns.barplot(x='time', y = 'tip', data=tips, order=['Dinner', 'Lunch'], ax = ax2) # become Dinner, lunch plt.show()

2.2.5 通過修改 estimator 調整統計方式

estimator 可以引用 numpy中的方法，例如max, min, median等。更多的方法可以參考

Statistics - NumPy v1.17 Manual?docs.scipy.orgfrom numpy import median, max, min fig = plt.figure() ax1 = fig.add_subplot(2,2,1) ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) ax1.set_title('default average') ax2.set_title('max') ax3.set_title('median') ax4.set_title('min') sns.barplot(x="day", y="tip", data=tips, ax = ax1) sns.barplot(x="day", y="tip", data=tips, estimator= max, ax = ax2) sns.barplot(x="day", y="tip", data=tips, estimator= median, ax = ax3) sns.barplot(x="day", y="tip", data=tips, estimator= min, ax = ax4) plt.show()

2.2.6 通過修改 ci 調整置信區間的大小，默認為95%

fig = plt.figure() ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) ax1.set_title("default") ax2.set_title("after changing ")sns.barplot(x="day", y="tip", data=tips,ax = ax1) sns.barplot(x="day", y="tip", data=tips, ci=45, ax = ax2) plt.show()

ci為45后，黑線明顯變短

2.2.7 ci 還有一個特殊的參數 ci = sd， 則直接使用標準差（standard deviation）進行統計

fig = plt.figure() ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) ax1.set_title("default") ax2.set_title("ci = sd ") sns.barplot(x="day", y="tip", data=tips,ax = ax1) sns.barplot(x="day", y="tip", data=tips, ci='sd', ax = ax2) plt.show()

2.2.8 通過 capsize 調整 ”帽子寬度“, 默認是 None

fig = plt.figure() ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) sns.barplot(x="day", y="tip", data=tips, capsize= 0.2, ax = ax1) sns.barplot(x="day", y="tip", data=tips, capsize= 0.4, ax = ax2) plt.show()

2.2.9 調整 palette 換一種其他的顏色調色板

可用的參數可以看

seaborn.color_palette - seaborn 0.10.1 documentation?seaborn.pydata.org

著這里只舉幾個常用的例子

fig = plt.figure() ax1 = fig.add_subplot(2,2,1) ax2 = fig.add_subplot(2,2,2) ax3 = fig.add_subplot(2,2,3) ax4 = fig.add_subplot(2,2,4) ax1.set_title("deep") ax2.set_title('muted') ax3.set_title('bright') ax4.set_title('Blues_d') sns.barplot("size", y="total_bill", data=tips, palette="deep", ax = ax1) sns.barplot("size", y="total_bill", data=tips, palette="muted", ax = ax2) sns.barplot("size", y="total_bill", data=tips, palette="bright", ax = ax3) sns.barplot("size", y="total_bill", data=tips, palette="Blues_d", ax = ax4) plt.show()

2.2.9 hue 的進一步使用

fig = plt.figure() ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) tips['weekend'] = tips['day'].isin(['Sat','Sun']) sns.barplot(x='day', y='tip', data=tips, hue='weekend', ax = ax1) sns.barplot(x='day', y='tip', data=tips, hue='weekend', dodge=False, ax = ax2) plt.show()

默認的hue使用后造成不美觀的現象，使用 dodge=False 可以將空白補齊。

2.2.10 顏色的精細化調整， color 和 saturation（飽和度）的使用

ax = sns.barplot("size", y="total_bill", data=tips,color="salmon", saturation=.5) plt.show()

總結，我們將barplot基本的常用參數都演示了一遍，當然seaborn還有直方圖和散點圖等工具。

可以關注我的公眾號 ： 平凡的科研生活，同時也會有其他的數據分析相關的文章分享。

總結

以上是生活随笔為你收集整理的seaborn 画堆叠柱状图_Seaborn-基于matplotlib的更强力制图库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。