Seaborn是基于matplotlib的Python可視化庫。 它提供了一個高級界面來繪制有吸引力的統(tǒng)計(jì)圖形。Seaborn其實(shí)是在matplotlib的基礎(chǔ)上進(jìn)行了更高級的API封裝，從而使得作圖更加容易，不需要經(jīng)過大量的調(diào)整就能使你的圖變得精致。

注：所有代碼均在IPython notebook中實(shí)現(xiàn)

---

barplot(條形圖)

條形圖表示數(shù)值變量與每個矩形高度的中心趨勢的估計(jì)值，并使用誤差線提供關(guān)于該估計(jì)值附近的不確定性的一些指示。具體用法如下：

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)

接下來還是通過具體例子學(xué)習(xí)里面的一些參數(shù)的用法：

%matplotlib inlineimport pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as plt#用于解決中文顯示不了的問題plt.rc("font",family="SimHei",size="12") sns.set_style("whitegrid")

本篇文章所采用的數(shù)據(jù)集內(nèi)容如下

data.head(5) #data是一個dataframe

x，y(str)：dataframe中的列名

data：dataframe或者數(shù)組

sns.barplot(x="color", y="age", data=data)

關(guān)于圖像的解釋：Seaborn會對”color“列中的數(shù)值進(jìn)行歸類后按照estimator參數(shù)的方法(默認(rèn)為平均值)計(jì)算相應(yīng)的值，計(jì)算出來的值就作為條形圖所顯示的值(條形圖上的誤差棒則表示各類的數(shù)值相對于條形圖所顯示的值的誤差)

hue(str)：dataframe的列名，按照列名中的值分類形成分類的條形圖

sns.barplot(x="color" y="age",data=data,hue="gender")

order, hue_order (lists of strings)：用于控制條形圖的順序

fig,axes=plt.subplots(1,2)sns.barplot(x="gender", y="age", data=data, ax=axes[0])sns.barplot(x="gender", y="age", data=data, ax=axes[1], order=["女","男"])

estimator:控制條形圖取每列數(shù)據(jù)的什么值

fig,axes=plt.subplots(1,2)#左圖，默認(rèn)為平均值sns.barplot(x="gender", y="age", data=data, ax=axes[0]) #右圖，中位數(shù)sns.barplot(x="gender", y="age", estimator=np.median, data=data, ax=axes[1])

ci(float): 置信區(qū)間(在0-100之間),若填寫"sd",則誤差棒用標(biāo)準(zhǔn)誤差。(默認(rèn)為95)

fig,axes=plt.subplots(1,2)sns.barplot(x="color", y="age", data=data, ci=0, ax=axes[0]) #左圖sns.barplot(x="color", y="age", data=data, ci="sd", ax=axes[1]) #右圖

capsize(float):設(shè)置誤差棒帽條(上下兩根橫線)的寬度

fig,axes=plt.subplots(1,2)sns.barplot(x="color", y="age", data=data, ax=axes[0], capsize=.2) #左圖sns.barplot(x="color", y="age", data=data, ax=axes[1], capsize=.5) #右圖

palette:調(diào)色板，控制不同的顏色style

fig,axes=plt.subplots(2,1)sns.barplot(x="color", y="age", data=data, ax=axes[0]) #上圖sns.barplot(x="color", y="age", data=data, palette="Set3", ax=axes[1]) #下圖

X,Y軸互換

fig,axes=plt.subplots(1,2)sns.barplot(x="age",y="color",data=data,ax=axes[0]) #左圖sns.barplot(x="color",y="age",data=data,ax=axes[1]) #右圖

---

countplot入門

一個計(jì)數(shù)圖可以被認(rèn)為是一個分類直方圖，而不是定量的變量。基本的api和選項(xiàng)與barplot()相同，因此您可以比較嵌套變量中的計(jì)數(shù)。(工作原理就是對輸入的數(shù)據(jù)分類，條形圖顯示各個分類的數(shù)量)具體用法如下：

seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)

注：countplot參數(shù)和barplot基本差不多，可以對比著記憶，有一點(diǎn)不同的是countplot中不能同時輸入x和y，且countplot不存在置信區(qū)間。

根據(jù)例子體驗(yàn)一下：

fig,axes=plt.subplots(1,2)sns.countplot(x="gender", data=data, ax=axes[0]) #左圖sns.countplot(y="gender", data=data, ax=axes[1]) #右圖fig,axes=plt.subplots(1,2)sns.countplot(x="gender", hue="smoker", data=data, ax=axes[0]) #左圖sns.countplot(y="gender", hue="smoker", data=data, ax=axes[1]) #右圖fig,axes=plt.subplots(2,1)sns.countplot(x="color", data=data, ax=axes[0]) #上圖sns.countplot(x="color", data=data, palette="Set3", ax=axes[1]) #下圖

---

pointplot入門

點(diǎn)圖代表散點(diǎn)圖位置的數(shù)值變量的中心趨勢估計(jì)，并使用誤差線提供關(guān)于該估計(jì)的不確定性的一些指示。點(diǎn)圖可能比條形圖更有用于聚焦一個或多個分類變量的不同級別之間的比較。他們尤其善于表現(xiàn)交互作用：一個分類變量的層次之間的關(guān)系如何在第二個分類變量的層次之間變化。連接來自相同色調(diào)等級的每個點(diǎn)的線允許交互作用通過斜率的差異進(jìn)行判斷，這比對幾組點(diǎn)或條的高度比較容易。具體用法如下：

seaborn.pointplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=(function mean), ci=95, n_boot=1000, units=None, markers='o', linestyles='-', dodge=False, join=True, scale=1, orient=None, color=None, palette=None, errwidth=None, capsize=None, ax=None, **kwargs)

下面繼續(xù)使用之前的數(shù)據(jù)集進(jìn)行繪圖，和barplot相同的參數(shù)就不再具體演示，重點(diǎn)演示pointplot獨(dú)有的。

sns.set() #初始化seaborn配置sns.set_style("darkgrid") #灰色網(wǎng)格背景sns.pointplot(x="smoker", y="age", data=data)

圖中的點(diǎn)為這組數(shù)據(jù)的平均值點(diǎn)，豎線則為置信區(qū)間，默認(rèn)兩個均值點(diǎn)會相連接，若不想顯示，可以通過join參數(shù)實(shí)現(xiàn)：

sns.pointplot(x="smoker", y="age", data=data, join=False)

之前我們演示過barplot的hue參數(shù)，現(xiàn)在我們看一下pointplot的hue參數(shù)：

sns.pointplot(x="smoker", y="age", data=data, hue="gender")

我們可以看到兩個類別的誤差棒重疊在了一起，使數(shù)據(jù)觀測不清晰。怎么解決這個問題呢？pointplot的dodge參數(shù)可以使重疊的部分錯開：

sns.pointplot(x="smoker", y="age", data=data, hue="gender", dodge=True)

接下來我們對均值點(diǎn)的樣式(由參數(shù)markers控制)和相同色調(diào)的點(diǎn)之間的連線(由參數(shù)linestyles控制)做一下改動。

sns.pointplot(x="smoker", y="age", data=data, hue="gender", dodge=True, markers=["*","x"], linestyles=["-.","--"])

其他樣式請參考matplotlib線條樣式

將X，Y軸互換

sns.pointplot(x="age",y="color",data=data)

通過color參數(shù)控制不同單層圖的顏色

sns.pointplot(x="age",y="color",data=data,color="#bb3f3f")

還有其他效果和barplot一樣的參數(shù)，大家可以動手自己試一下。以上內(nèi)容是我結(jié)合官方文檔和自己的一點(diǎn)理解寫成的，有什么錯誤大家可以指出來并提提意見，共同交流、進(jìn)步，也希望我寫的這些能夠給閱讀完本文的你或或少的幫助！

總結(jié)

以上是生活随笔為你收集整理的python 竖线 绘图_Python可视化 | Seaborn5分钟入门(二)——barplot countplot的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。