【Seaborn-驯化】一文搞懂seaborn画柱状图的使用细节：barplot

【Seaborn-驯化】一文搞懂seaborn画柱状图的使用细节：barplot
 
本次修炼方法请往下查看

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 免费获取相关内容文档关注：微信公众号，发送 pandas 即可获取
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

下滑查看解决方法

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  

🎯 1. 基本介绍

  直方图是一种常用于展示数据分布的统计图表，它通过将数据分组并计算每组的频数或概率来展示数据的分布情况。在Python中，Seaborn库提供了一个简单易用的barplot函数来绘制直方图。

💡 2. 原理介绍

  直方图的计算主要涉及以下几个步骤：

• 分组：将数据分为若干个连续的区间，这些区间称为“桶”（bins）。
  计数：计算每个桶中的数据点数量。
  计算频率/概率：如果需要，将每组的频数除以总数据点数，得到每组的频率或概率。上的值。

🔍 3. 画图实践

3.1 数据准备

   我们通过seaborn自带的数据对其进行相关的画图，具体的导入数据代码如下所示：

import seaborn as sns
import matplotlib.pyplot as plt

# 使用Seaborn内置的tips数据集
tips = sns.load_dataset("tips")

	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
...	...	...	...	...	...	...	...
239	29.03	5.92	Male	No	Sat	Dinner	3
240	27.18	2.00	Female	Yes	Sat	Dinner	2
241	22.67	2.00	Male	Yes	Sat	Dinner	2
242	17.82	1.75	Male	No	Sat	Dinner	2
243	18.78	3.00	Female	No	Thur	Dinner	2

3.2 画图实践

   如果画两个变量的数量变化，需要用到柱状图，需要使用barplot函数，具体的代码如下所示：

# 注意看看Y轴，看到没，统计函数默认是 mean，
import seaborn as sns
sns.set_style("whitegrid")
tips = sns.load_dataset("tips")
ax = sns.barplot(x="day", y="total_bill", data=tips,ci=0)

  有时候我们不仅要分组，同时对每个分组内某个特征维度进行对比分析，具体的代码如下所示：

# 分组的柱状图
ax = sns.barplot(x="day", y="total_bill", hue="sex", data=tips,ci=0)

4 高阶用法

   有时候我们需要对因子变量计数，然后绘制条形图，这个时候我们可以使用countplot，具体的代码如下所示：

import seaborn as sns
sns.set(style="darkgrid")
titanic = sns.load_dataset("titanic")
ax = sns.countplot(x="class", data=titanic)

  同样的分组统计的方法如下所示：

# 分组绘图
import matplotlib.pyplot as plt 
ax = sns.countplot(x="class", hue="who", data=titanic)
plt.show()
# 如果是横着放，x用y替代
ax = sns.countplot(y="class", hue="who", data=titanic)

🔍 4. 注意事项

• 选择合适的桶数对于直方图的形状和解释至关重要。桶数太少可能导致数据过于集中，而桶数太多则可能导致数据过于分散。
• Seaborn的barplot函数可以通过bins参数来指定桶数，或者使用hist函数来自动计算桶数。
• 直方图可以用于展示连续数据的分布，但对于分类数据，应使用柱状图。

🔍 5. 总结

  直方图是一种直观的图表，用于展示数据的分布情况。通过Seaborn的barplot函数，我们可以轻松地绘制直方图，并探索数据的分布特征。希望这篇博客能够帮助你更好地理解直方图，并将其应用于数据探索和分析中。