Python Seaborn.barplot()用法及代碼示例

Seaborn是基於Matplotlib的Python數據可視化庫。它提供了一個高級接口，用於繪製引人入勝且內容豐富的統計圖形。 well-designed可視化隻是一些非凡的東西。顏色脫穎而出，各層完美地融合在一起，輪廓遍及整個流程，整個包裝不僅具有良好的美學品質，而且還為我們提供了有意義的見解。

seaborn.barplot()方法

條形圖通常用於根據某些方法匯總分類數據，默認情況下，它是平均值。也可以理解為按行動分組的可視化。要使用此圖，我們為x軸選擇一個分類列，為y軸選擇一個數值列，並且我們看到它創建了一個以每個分類列取平均值的圖。

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,)

參數：

參數	值	描述
x, y, hue	“數據”或矢量數據中的變量名稱，可選	用於繪製long-form數據的輸入。請參見示例以獲取解釋。
data	DataFrame，數組或數組列表，可選	繪圖數據集。如果不存在“ x”和“ y”，則將其解釋為wide-form。否則，預期為long-form。
order, hue_order	字符串列表，可選	為了繪製分類級別，否則從數據對象推斷級別。
estimator	可調用的映射向量->標量，可選	統計函數，用於估計每個分類箱中。
ci	浮點數或“sd”或無，可選	置信區間的大小，可用於估計值附近。如果為“sd”，請跳過引導程序並繪製觀測值的標準偏差。如果為“ None”，將不執行引導，並且不會繪製錯誤條。
n_boot	int，可選	計算置信區間時要使用的引導程序迭代次數。
units	“數據”或矢量數據中的變量名稱，可選	采樣單位的標識符，將用於執行多級引導程序並考慮重複測量的設計。
orient	“v” \| “h”，可選	繪圖的方向(垂直或水平)。這通常是根據輸入變量的dtype推論得出的，但可用於指定“categorical”變量是數字變量還是繪製wide-form數據時。
color	matplotlib顏色，可選	所有元素的顏色，或漸變調色板的種子。
palette	調色板名稱，列表或字典，可選	用於“ hue”變量的不同級別的顏色。應該是可由color_palette函數解釋的東西，或者是將色相級別映射到matplotlib顏色的字典。
saturation	浮點數，可選	原始飽和度的繪製顏色比例。大色塊通常看起來略帶不飽和色，但看起來更好，但是如果您希望繪圖顏色與輸入顏色規格完全匹配，請將其設置為“ 1”。
errcolor	matplotlib顏色	代表置信區間的線條顏色。
errwidth	浮點數，可選	誤差線(和頂蓋)的粗細。
capsize	浮點數，可選	“caps”在誤差條上的寬度。
dodge	布爾值，可選	使用色相嵌套時，是否應沿分類軸移動元素。
ax	matplotlib軸，可選	軸對象以繪製繪圖，否則使用當前軸。
kwargs	值映射	其他關鍵字參數在繪製時傳遞到“ plt.bar”。

使用以下步驟：

導入Seaborn
從Seaborn加載數據集，因為它包含良好的數據集。
使用seaborn.barplot()方法繪製條形圖。

下麵是實現：

範例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()

輸出：

simple barpot

範例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()

輸出：

barplot - 2

範例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()

輸出：

barplot - 3

範例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()

輸出：

相關用法

注：本文由純淨天空篩選整理自deepanshu_rustagi大神的英文原創作品 Seaborn.barplot() method in Python。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。