超详细Seaborn绘图 ——（一）barplot

最新推荐文章于 2024-06-08 14:27:35 发布
最新推荐文章于 2024-06-08 14:27:35 发布
阅读量5.2w 收藏 364
点赞数 64
分类专栏： 数据可视化 # Seaborn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Artoria_QZH/article/details/102768817
版权

Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

目录

一、预备工作

先做好使用前的预备工作：

看下所使用的version

import seaborn as sns
sns.__version__

在这里插入图片描述

导入相关的模块

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
%matplotlib inline

# 显示正负号与中文不显示问题
plt.rcParams['axes.unicode_minus'] = False
sns.set_style('darkgrid', {'font.sans-serif':['SimHei', 'Arial']})

# 去除部分warning
import warnings
warnings.filterwarnings('ignore')

二、barplot

（一）语法

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)

注意分行

条形图以矩形条的方式展示数据的点估值和置信区间

输入数据的格式可以不同，包括：

  • 以列表，numpy array 或者 pandas 中的 Series object 表示的向量。这些向量可以直接传入 x, y, 以及 hue 参数。
  • 长表, x 值，y 值和色相变量决定了数据是如何绘制的。
  • 宽表，每个列的数值都会被绘制出来.
  • 数组或者列表的向量。

大多数情况下，可以使用 numpy 的对象或者 python 的对象，但是用 pandas 对象更好，因为相关的列名会被标注在图标上。 另外，为了控制绘图元素 也可以可以用分类类型来组合不同的变量。

（二）参数详解

  • x、y、hue：< data中的变量名词或者向量 >
    data中用于绘制图表的变量名

  • data：< DataFrame, 数组, 数组列表 >
    是用于绘图的数据集

  • order、hue_order：< 字符串列表 >
    绘制类别变量的顺序，若没有，则会从数据对象中推断绘图顺序

  • estimator：< 映射向量 -> 标量 >
    统计函数用于估计每个分类纸条中的值

  • ci：< float or “sd” or None >
    估计值周围的置信区间大小。若输入的是sd，会跳过bootstrapping的过程，只绘制数据的标准差；
    若输入的是None，不会执行bootstrapping，而且错误条也不会绘制

  • n_boot：< int >
    计算置信区间需要的 Boostrap 迭代次数。

  • units：< data中的变量名词或向量 >
    采样单元的标识符，用于执行多级 bootstrap 并解释重复测量设计。

  • orient：< “v” 或 “h” >
    绘图的方向（垂直或水平）。这通常是从输入变量的数据类型推断出来的，但是可以用来指定“分类”变量是数字还是宽格式数据。

  • color：< matplotlib color >
    作用于所有元素的颜色，或者渐变色的种子。

  • palette：< palette name, list, or dict >
    不同级别的 hue 变量的颜色。 颜色要能被 [color_palette()]解释(seaborn.color_palette.html#seaborn.color_palette “seaborn.color_palette”), 或者一个能映射到 matplotlib 颜色的字典。

  • saturation：< float >
    原始饱和度与绘制颜色的比例。大的色块通常在稍微不饱和的颜色下看起来更好，但是如果希望打印颜色与输入颜色规格完全匹配，请将其设置为1。

  • errcolor：< matplotlib color >
    表示置信区间的线的颜色。

  • errwidth：< float >
    误差条的线的厚度。

  • capsize：< float >
    误差条端部的宽度。

  • dodge : < 布尔型 >
    当使用色调嵌套时，元素是否应该沿分类轴移动。

  • ax：< matplotlib Axes >
    指定一个 Axes 用于绘图，如果不指定，则使用当前的 Axes。

  • kwargs：< key, value mappings >
    其他的关键词参数在绘图时通过 plt.bar 传入。

（三）实例

首先最简单的画个柱形图

plt.figure(dpi=150)
x = ['金融','农业','制造业','新能源']
y = [164, 86, 126, 53]
sns.barplot(x, y)

在这里插入图片描述

还可以通过order改变变量顺序

plt.figure(dpi=150)
x = ['金融','农业','制造业','新能源']
y = [164, 86, 126, 53]
sns.barplot(x, y, order=['金融','制造业','农业','新能源'])

在这里插入图片描述

通过saturation调整饱和度，默认值为0.75

plt.figure(dpi=150)
x = ['金融','农业','制造业','新能源']
y = [164, 86, 126, 53]
sns.barplot(x, y, order=['金融','制造业','农业','新能源'], saturation=0.2)

在这里插入图片描述

还可以选用Seaborn的内置数据集来进行可视化处理

首先导入数据集

tips = sns.load_dataset('tips')
tips.head(5)

在这里插入图片描述

可以通过tips.info()查看数据集的一些具体信息
在这里插入图片描述
总共有7个特征，244条数据。接下来进行可视化处理

通过添加hue来绘制一组由两个变量嵌套分组的垂直条形图

plt.figure(dpi=150)
sns.barplot(x = 'day', y = 'tip', data = tips, hue = 'sex')

在这里插入图片描述

其中每个柱条的黑色的线条为误差线
误差线源于统计学，表示数据误差(或不确定性)范围，以更准确的方式呈现数据。误差线可以用标准差(standard deviation,SD)、标准误(standard error,SE)和置信区间表示，使用时可选用任意一种表示方法并作相应说明即可。当误差线比较“长”时，一般要么是数据离散程度大，要么是数据样本少。

绘制水平的条形图

plt.figure(dpi=150)
sns.barplot(y = 'day', x = 'tip', data = tips)

在这里插入图片描述

要是觉得这个默认的色系不好看，可以使用一个不同的调色盘来绘制图案

plt.figure(dpi=150)
sns.barplot(x = 'size', y = 'tip', data = tips, palette="Blues_d")

在这里插入图片描述

对于palette的一些具体说明，会在后续慢慢阐述。

用误差条显示平均值的标准误差

plt.figure(dpi=150)
sns.barplot(x = 'size', y = 'tip', data = tips, palette="Blues_d", ci=95)

在这里插入图片描述

还可以个性化误差线（调整线的颜色和厚度）

plt.figure(dpi=150)
sns.barplot(x = 'size', y = 'tip', data = tips, palette="plasma_r", ci=95,
           errcolor='yellow', errwidth=2, alpha=0.3)

在这里插入图片描述

给误差条增加"端点"

plt.figure(dpi=150)
sns.barplot(x = 'size', y = 'tip', data = tips, palette="plasma_r", ci=95,
           errcolor='yellow', errwidth=2, capsize=0.1,alpha=0.3)

在这里插入图片描述

在使用hue后，柱形本身的宽度会发生改变。若想保持柱形原宽度，可以设置dodge=False

plt.figure(dpi=150)
tips["weekend"] = tips["day"].isin(["Sat", "Sun"])
sns.barplot(x="day", y="total_bill", hue="weekend",data=tips, dodge=False)

在这里插入图片描述

还可以用plt.bar中的一些参数

plt.figure(dpi=150)
sns.set_style('white')
sns.barplot(x="day", y="total_bill", data=tips,
            linewidth=2.5, facecolor=(1, 1, 1, 0),
            errcolor=".2", edgecolor=".2")

在这里插入图片描述

Artoria____
关注
  • 64
    点赞
  • 踩
  • 364
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
Seaborn barplot柱状图/条形图-基于matplotlib的更强力制图库
yunjin386的博客
05-15 3645
相信大家在开始python的使用后，便随后接触到了matplotlib这个与python兼容的很好的制图库。但是，如果想把图做的更细，更上流，那么则需要seaborn这个库，比起matplotlib更容易上手，并且和pandas的两种主要数据结构Series和DataFrame有着很强的兼容性。 1 . 安装，工欲善其事，安装 seaborn，有两种方法。 pip install seaborn conda install seaborn 在这里我用的conda的客户端版。 2. 对于se.
Python Seaborn 类别内的数据分布和统计估计
weixin_42098295的博客
01-26 1103
绘制点图用于显示数据点的集中趋势，并使用误差条提供关于数据变化范围的一些估计。是一个非常灵活的函数，它可以用来绘制多种类型的分类图表，包括 pointplot、barplot、countplot 等。控制小提琴内部数据点的表示方式，如 'box'、'quartile'、'point'、'stick'、None。控制小提琴内部核密度估计的带宽，可以是标量或 'scott'、'silverman' 等。控制小提琴的宽度，可选 'area'、'count'、'width'。
【Python三方库】Python之Seaborn库的简介、安装、使用方法、示例代码、注意事项等详细攻略
最新发布
科技改变人类，技术成就未来
06-08 1116
Python之Seaborn库的简介、安装、使用方法、示例代码、注意事项等详细攻略
python可视化之seaborn
GhostLWB的博客
08-11 1万+
数据可视化的文章我很久之前就打算写了，因为最近用Python做项目比较多，于是就花时间读了seaborn的文档，写下了这篇。 数据可视化在数据挖掘中是一个很重要的部分，将数据用图表形式展示可以很直观地看到数据集的特点（比如正态分布，长尾分布，聚集等），方便下一步怎么对数据进行处理。 这里我用的是Python来进行可视化，因为Python的框架相对较多而且使用的也较广泛。我们在这里用的是seab...
sns.barplot（）画柱状图的用法
m0_64237758的博客
02-25 7043
一、导入数据 二、画柱状图 获取不同‘City_Category’下不同‘Gender’的‘Occupation’的均值 sns.barplot(x = 'City_Category', y = 'Occupation', data = data10,hue='Gender') 指定数据集data，x轴，y轴，如果x轴标签对应y轴有多个数据，则取平均值，同时显示标准差。 hue表示x轴按’Gender’分类显示 三、柱状图显示 由于A类的M类别下有多个Occupation的值，因此对多个值去平均
sns.barplot/sns.countplot/sns.boxplot参数设置
qq_32649321的博客
12-08 1万+
1.利用sns.barplot绘制柱状图 语法： 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.
机器学习——seaborn
胡图图不糊涂的博客
06-20 2036
Matplotlib虽然已经是比较优秀的绘图库了，但是它有个今人头疼的问题，那就是API使用过于复杂，它里面有上千个函数和参数，属于典型的那种可以用它做任何事，却无从下手。 Seaborn基于Matplotlib核心库进行了更高级的API封装，可以轻松地画出更漂亮的图形，而Seaborn的漂亮主要体现在配色更加舒服，以及图形元素的样式更加细腻。seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, color=None) 通常，采用直方图
Seaborn 绘制 21 种超实用精美图表
公众号：Python研究者
10-08 2655
????点击关注｜设为星标｜干货速递????大家好，我是辰哥~导读：做过可视化的小伙伴们都会经常听到seaborn可视化，也有很多大佬平时使用的较多的可视化库，今天我们就来盘下他，看看他有多实在。...
seaborn绘图基础介绍
01-20
  6、使用seaborn绘图的3种方式(seaborn绘图的优势体现) 1、seaborn的优点 1、它简化了复杂数据集的表示； 2、可以轻松构建复杂的可视化，简洁的控制matplotlib图形样式与几个内置主题； 3、seaborn不可以替代...
python SEABORN绘图库应用案例
01-09
python SEABORN绘图库应用案例，可以直接在上面修改代码，生成美观的科研论文级图表，使用方便快捷，绘图美观，是学习python seaborn绘图库的不错资料。
解决seaborn在pycharm中绘图不出图的问题
09-20
总结来说，解决PyCharm中Seaborn绘图不出图的问题，主要是检查PyCharm的运行配置，确保matplotlib的交互式窗口被正确激活。同时，通过示例代码，我们学习了如何使用Seaborn加载数据集，创建`FacetGrid`，以及如何...
python使用seaborn和matplotlib绘图介绍
12-21
对于初学者，Seaborn可能是更好的起点，因为它简化了许多常见的绘图任务。然而，随着对数据可视化需求的深入，掌握Matplotlib的使用将提供更大的灵活性和定制能力。 在实际使用中，你可以根据具体需求选择合适的库...
Python中15种Seaborn可视化图表详解
白帽阿叁的博客
10-17 2252
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。cat图(分类图的缩写)是Seaborn中的定制的一种图，它可以可视化数据集中一个或多个分类变量与连续变量之间的关系。Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。“小提琴”形状表示数据的核密度估计，每个点的形状宽度表示该点的数据密度。
python 条形图与线图的图例_【Python可视化2】Seaborn之条形图与点线图
weixin_39682477的博客
11-22 444
原标题：【Python可视化2】Seaborn之条形图与点线图Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。 但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。 注：...
Python数据可视化—seaborn简介和实例
热门推荐
奋斗的小陶
12-23 11万+
这里实例采用的数据集都是seaborn提供的几个经典数据集，dataset文件可见于Github。 1  set_style( ) 设置主题 Seaborn有五个预设好的主题： darkgrid , whitegrid , dark , white ,和 ticks  默认： darkgrid import matplotlib.pyplot as plt import seaborn as
Barplot画图参数详解
nicholasxman的博客
09-02 1万+
本文来自陈娜科学网博客。链接地址：http://blog.sciencenet.cn/blog-1468811-939797.html    Barplot默认的参数       barplot(height, width = 1, space = NULL,        names.arg = NULL, legend.text = NULL,beside = FALSE,     ...
Python可视化 | Seaborn5分钟入门（二）——barplot&countplot&pointplot
Python读财
12-16 2万+
微信公众号：Python读财 如有问题或建议，请公众号留言 Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。 注：所有代码均在IPython notebook中实现 ba...
seaborn 画图工具的基本使用
一个人走的博客
01-19 3728
文章目录1. Seaborn 的基本使用1.1 Seaborn----绘制统计图形1.1.1 绘制单变量分布1.1.2. 绘制双变量分布1 绘制散点图2 绘制二维直方图3 绘制核密度估计图形4 绘制成对的双变量分布1.1.3 用分类数据绘图1 类别散点图2 类别内的数据分布2.1 绘制箱形图2.2 绘制小提琴图2.3 类别内的估计统计 1. Seaborn 的基本使用 类别散点图：seaborn.stripplot() 类别内的数据分布： 箱线图：seaborn.boxplot() 小提琴图
seaborn中barplot(条形图)用法
silent1cat的博客
07-15 2377
概述 条形图主要展现的每个矩形高度的数值变量中心趋势的估计，只显示平均值(或者其他估计值)，但在很多情况下，每个分类变量 参数 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, saturat
如何使用seaborn绘图？
05-27
Seaborn是一个基于matplotlib的Python可视化库，用于绘制各种各样的统计图形。使用Seaborn绘图需要先安装Seaborn库，并导入库。以下是一个简单的Seaborn绘图示例： ```python import seaborn as sns import matplotlib.pyplot as plt # 加载数据集 tips = sns.load_dataset("tips") # 绘制散点图 sns.scatterplot(x="total_bill", y="tip", data=tips) # 显示图形 plt.show() ``` 这个示例加载了一个名为"tips"的数据集，并使用Seaborn绘制了一个散点图。使用Seaborn绘图时，可以使用各种可用的绘图函数，如scatterplot、lineplot、barplot等。同时，Seaborn还提供了许多自定义选项，可以轻松美化绘图。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值