Python可视化 | Seaborn02

barplot和countplot

具体用法如下：

seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,ci=95, n_boot=1000, units=None, orient=None, color=None, palette=None, saturation=0.75, errcolor='.26', errwidth=None, capsize=None, ax=None, estimator=<function mean>，**kwargs)¶Parameters:

x, y, hue : names of variables in data or vector data, optional #设置x,y以及颜色控制的变量

Inputs for plotting long-form data. See examples for interpretation.

data : DataFrame, array, or list of arrays, optional #设置输入的数据集

Dataset for plotting. If x and y are absent, this is interpreted as wide-form. Otherwise it is expected to be long-form.

order, hue_order : lists of strings, optional #控制变量绘图的顺序

Order to plot the categorical levels in, otherwise the levels are inferred from the data objects.

estimator : callable that maps vector -> scalar, optional

#设置对每类变量的计算函数，默认为平均值，可修改为max、median、max等

Statistical function to estimate within each categorical bin.

ax : matplotlib Axes, optional #设置子图位置，将在下节介绍绘图基础

Axes object to draw the plot onto, otherwise uses the current Axes.

orient : “v” | “h”, optional #控制绘图的方向，水平或者竖直

Orientation of the plot (vertical or horizontal).

capsize : float, optional #设置误差棒帽条的宽度

Width of the “caps” on error bars.

import seaborn as sns
import matplotlib.pyplot as plt
from numpy import median
sns.set_style("whitegrid")
tips = sns.load_dataset("tips") #载入自带数据集
#x轴为分类变量day,y轴为数值变量total_bill，利用颜色再对sex分类
ax = sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
# ax = sns.barplot(x="day", y="tip", data=tips, estimator=median)
#设置中位数为计算函数，注意y轴已显示为median
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
from numpy import median
sns.set_style("whitegrid")
tips = sns.load_dataset("tips") #载入自带数据集
#x轴为分类变量day,y轴为数值变量total_bill，利用颜色再对sex分类
# ax = sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
ax = sns.barplot(x="day", y="tip", data=tips, estimator=median)
#设置中位数为计算函数，注意y轴已显示为median
plt.show()

 

 

countplot计数图

seaborn.countplot - seaborn 0.7.1 documentation

countplot故名思意，计数图，可将它认为一种应用到分类变量的直方图，也可认为它是用以比较类别间计数差，调用count函数的barplot。

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

x, y, hue : names of variables in data or vector data, optional

Inputs for plotting long-form data. See examples for interpretation.

data : DataFrame, array, or list of arrays, optional

Dataset for plotting. If x and y are absent, this is interpreted as wide-form. Otherwise it is expected to be long-form.

order, hue_order : lists of strings, optional #设置顺序

Order to plot the categorical levels in, otherwise the levels are inferred from the data objects.

orient : “v” | “h”, optional #设置水平或者垂直显示

Orientation of the plot (vertical or horizontal).

ax : matplotlib Axes, optional #设置子图位置，将在下节介绍绘图基础

Axes object to draw the plot onto, otherwise uses the current Axes.

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="darkgrid")
titanic = sns.load_dataset("titanic") #titanic经典数据集，带有登船人员的信息
#源数据集class代表三等舱位，who代表人员分类，男女小孩，对每一类人数计数
ax = sns.countplot(x="class", hue="who", data=titanic)
plt.show()

 

 

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
sns.set(style="white") #设置绘图背景

# Load the example planets dataset
planets = sns.load_dataset("planets")

# Make a range of years to show categories with no observations
years = np.arange(2000, 2015) #生成2000-2015连续整数

# Draw a count plot to show the number of planets discovered each year
#选择调色板，绘图参数与顺序，factorplot一种分类变量的集合作图方式，利用kind选择bar、plot等绘图参数以后将具体介绍
g = sns.factorplot(x="year", data=planets, kind="count",
                   palette="BuPu", size=6, aspect=1.5, order=years)
g.set_xticklabels(step=2) #设置x轴标签间距为2年

plt.show()

# -*-coding:utf-8 -*-
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dc=pd.read_csv('F:\硬件开发工具\wenjian/dc.csv')

#第一个图，我们来探索下英雄与坏蛋们眼睛颜色的分布
#看看坏蛋的眼睛颜色是不是都是什么奇怪的颜色
sns.countplot(y='EYE',data=dc,hue='ALIGN')
plt.show()

# -*-coding:utf-8 -*-
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dc=pd.read_csv('F:\硬件开发工具\wenjian/dc.csv')

#第一个图，我们来探索下英雄与坏蛋们眼睛颜色的分布
#看看坏蛋的眼睛颜色是不是都是什么奇怪的颜色
# sns.countplot(y='EYE',data=dc,hue='ALIGN')
#第二个图我们来用用barplot，发现每个角色的出场次数是个数值型变量，是个不错的探索数据，我们来看看各个阵营间与性别间的平均上场次数
sns.barplot(y='APPEARANCES',x='ALIGN',data=dc,hue='SEX')
plt.show()

# -*-coding:utf-8 -*-
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
dc=pd.read_csv('F:\硬件开发工具\wenjian/dc.csv')

#第一个图，我们来探索下英雄与坏蛋们眼睛颜色的分布
#看看坏蛋的眼睛颜色是不是都是什么奇怪的颜色
# sns.countplot(y='EYE',data=dc,hue='ALIGN')
#第二个图我们来用用barplot，发现每个角色的出场次数是个数值型变量，是个不错的探索数据，我们来看看各个阵营间与性别间的平均上场次数
# sns.barplot(y='APPEARANCES',x='ALIGN',data=dc,hue='SEX')
#再来复习一波上一节的知识，来看看好坏阵营间登场小于50次的各大配角们的登场次数分布
ax1=sns.kdeplot(dc['APPEARANCES'][dc['ALIGN']=='Good Characters'][dc['APPEARANCES']<50],shade=True,label='good')

ax2=sns.kdeplot(dc['APPEARANCES'][dc['ALIGN']=='Bad Characters'][dc['APPEARANCES']<50],shade=True,label='bad')
plt.show()

 

参考地址：https://zhuanlan.zhihu.com/p/24553277

https://zhuanlan.zhihu.com/p/34007570