在前面两篇文章中,我们已经学习了seaborn绘图的风格和颜色设置,从本篇文章开始,我们开始选一些有意思的数据集进行各种图形绘制,在实践中感受数据可视化的魅力。本篇文章主要讲2个绘图函数,那就是绘制直方图的函数seaborn,distplot()和绘制条形图的函数seaborn.barplot()(关于直方图和条形图的区别请查阅前面matplotlib系列中的相关文章)。
处理绘图数据
今天我们用直方图和条形图展示下NBA2017-2018赛季各球员薪资情况。首先,我们用pandas把数据读写进来,然后按薪资情况降序排序,看下NBA球员中薪资前10的球员有哪些。
#导入需要的依赖包%matplotlib inlineimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#读入数据data=pd.read_csv('NBA_season1718_salary.csv')#对读进来的数据按薪资降序排序并取前10条数据salary_top10=(data.sort_values("season17_18",ascending=False)).head(10)#取出球员列数据,作为条形图横坐标player=salary_top10['Player']#取出球员薪资列,作为条形图纵坐标season_salary=salary_top10['season17_18']前10条数据结构如下图:
前10球员薪资数据
用seaborn.barplot()绘制条形图
用seaborn.barplot()函数可以绘制条形图,如果不传入任何参数,会绘制出一个坐标轴,如图:
sns.barplot()