Python Seaborn.barplot()用法及代码示例

Seaborn是基于Matplotlib的Python数据可视化库。它提供了一个高级接口，用于绘制引人入胜且内容丰富的统计图形。 well-designed可视化只是一些非凡的东西。颜色脱颖而出，各层完美地融合在一起，轮廓遍及整个流程，整个包装不仅具有良好的美学品质，而且还为我们提供了有意义的见解。

seaborn.barplot()方法

条形图通常用于根据某些方法汇总分类数据，默认情况下，它是平均值。也可以理解为按行动分组的可视化。要使用此图，我们为x轴选择一个分类列，为y轴选择一个数值列，并且我们看到它创建了一个以每个分类列取平均值的图。

用法：seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x000002BC3EB5C4C8>, 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,)

参数：

参数	值	描述
x, y, hue	“数据”或矢量数据中的变量名称，可选	用于绘制long-form数据的输入。请参见示例以获取解释。
data	DataFrame，数组或数组列表，可选	绘图数据集。如果不存在“ x”和“ y”，则将其解释为wide-form。否则，预期为long-form。
order, hue_order	字符串列表，可选	为了绘制分类级别，否则从数据对象推断级别。
estimator	可调用的映射向量->标量，可选	统计函数，用于估计每个分类箱中。
ci	浮点数或“sd”或无，可选	置信区间的大小，可用于估计值附近。如果为“sd”，请跳过引导程序并绘制观测值的标准偏差。如果为“ None”，将不执行引导，并且不会绘制错误条。
n_boot	int，可选	计算置信区间时要使用的引导程序迭代次数。
units	“数据”或矢量数据中的变量名称，可选	采样单位的标识符，将用于执行多级引导程序并考虑重复测量的设计。
orient	“v” \| “h”，可选	绘图的方向(垂直或水平)。这通常是根据输入变量的dtype推论得出的，但可用于指定“categorical”变量是数字变量还是绘制wide-form数据时。
color	matplotlib颜色，可选	所有元素的颜色，或渐变调色板的种子。
palette	调色板名称，列表或字典，可选	用于“ hue”变量的不同级别的颜色。应该是可由color_palette函数解释的东西，或者是将色相级别映射到matplotlib颜色的字典。
saturation	浮点数，可选	原始饱和度的绘制颜色比例。大色块通常看起来略带不饱和色，但看起来更好，但是如果您希望绘图颜色与输入颜色规格完全匹配，请将其设置为“ 1”。
errcolor	matplotlib颜色	代表置信区间的线条颜色。
errwidth	浮点数，可选	误差线(和顶盖)的粗细。
capsize	浮点数，可选	“caps”在误差条上的宽度。
dodge	布尔值，可选	使用色相嵌套时，是否应沿分类轴移动元素。
ax	matplotlib轴，可选	轴对象以绘制绘图，否则使用当前轴。
kwargs	值映射	其他关键字参数在绘制时传递到“ plt.bar”。

使用以下步骤：

导入Seaborn
从Seaborn加载数据集，因为它包含良好的数据集。
使用seaborn.barplot()方法绘制条形图。

下面是实现：

范例1：

Python3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn libraray
df = sns.load_dataset('titanic')
 
# who v/s fare barplot 
sns.barplot(x = 'who',
            y = 'fare',
            data = df)
 
# Show the plot
plt.show()

输出：

simple barpot

范例2：

Python3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn libraray
df = sns.load_dataset('titanic')
 
 
# who v/s fare barplot 
sns.barplot(x = 'who',
            y = 'fare',
            hue = 'class',
            data = df)
 
# Show the plot
plt.show()

输出：

barplot - 2

范例3：

Python3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn libraray
df = sns.load_dataset('titanic')
 
 
# who v/s fare barplot 
sns.barplot(x = 'who',
            y = 'fare',
            hue = 'class',
            data = df,
            palette = "Blues")
 
# Show the plot
plt.show()

输出：

barplot - 3

范例4：

Python3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
 
# read a titanic.csv file
# from seaborn libraray
df = sns.load_dataset('titanic')
 
 
# who v/s fare barplot 
sns.barplot(x = 'who',
            y = 'fare',
            hue = 'class',
            data = df,
            estimator = np.median,
            ci = 0)
 
# Show the plot
plt.show()

输出：

相关用法

注：本文由纯净天空筛选整理自deepanshu_rustagi大神的英文原创作品 Seaborn.barplot() method in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。