Python条形图

1、条形图

import seaborn as sb
#data指pd的dataframe，x指的坐标，也可以设置为y
sb.countplot(data = df, x = 'cat_var')
#返回一个 RGB 元组列表，每个元组由三个数字组成，分别对应红绿蓝通道值，这三个值确定一个颜色
sb.color_palette()
#选择第一个
base_color = sb.color_palette()[0]
#指定颜色
sb.countplot(data = df, x = 'cat_var', color = base_color)
#返回降序列表
df['cat_var'].value_counts()
#得到index列表
cat_order = df['cat_var'].value_counts().index
#指定顺序
sb.countplot(data = df, x = 'cat_var', color = base_color, order = cat_order)
#x轴的每一个类别竖向显示
import matplotlib.pyplot as plt
plt.xticks[rotation=90]

在指定条形图每一个条形的排序顺序时，如果是无序分类变量，可以按照高低大小排序，对于有序分类变量，可以按照如下方式

# 本方法要求 pandas 0.21 或更高版本
level_order = ['Alpha', 'Beta', 'Gamma', 'Delta']
ordered_cat = pd.api.types.CategoricalDtype(ordered = True, categories = level_order)
df['cat_var'] = df['cat_var'].astype(ordered_cat)

## 如果你的 pandas 为 0.20.3 或更低版本，请使用这种方法：
# df['cat_var'] = df['cat_var'].astype('category', ordered = True,
#                                      categories = level_order)

base_color = sb.color_palette()[0]
sb.countplot(data = df, x = 'cat_var', color = base_color)

2、条形图相对值

#返回形状，即几行几列的数组shape[0]=rows,shape[1]=columns
dataframe.shape()
#计算最大值站全部的比重
n_points = df.shape[0]
max_count = df['cat_var'].value_counts().max()
max_prop = max_count / n_points
#返回等差列表
tick_props = np.arange(0, max_prop, 0.05)
#转换成%
tick_names = ['{:0.2f}'.format(v) for v in tick_props]
#修改对应轴的值
plt.yticks(tick_props * n_points, tick_names)
#修改对应轴的名称
plt.ylabel('proportion')
#给每一列标注值是多少，并为每个长条添加一个文本元素
for i in range(type_counts.shape[0]):
    count=type_counts[i]
    pct='{:0.1f}'.format(100*count/n_pokemon)
    plt.text(count+1,i,pct,va='center')