跳转至

Python 中的 Seaborn.barplot()方法

原文:https://www.geesforgeks.org/seaborn-bar plot-method in-python/

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库。它提供了一个高级界面,用于绘制吸引人且信息丰富的统计图形。精心设计的可视化有一些特别之处。颜色突出,各层很好地融合在一起,轮廓贯穿始终,整体包装不仅具有良好的美学品质,而且也为我们提供了有意义的见解。

seaborn.barplot()方法

条形图基本上用于根据某些方法汇总分类数据,默认情况下是平均值。它也可以被理解为通过行动对群体的可视化。为了使用这个图,我们为 x 轴选择一个分类列,为 y 轴选择一个数字列,我们看到它创建了一个为每个分类列取平均值的图。

语法:seaborn.barplot(x =无,y =无,色调=无,数据=无,顺序=无,色调_顺序=无,估计器= <函数平均值为 0x000002BC3EB5C4C8 >,ci=95,n_boot=1000,单位=无,方向=无,颜色=无,调色板=无,饱和度=0.75,errcolor='.26 ',errwidth =无,倾覆=无,躲闪=真,ax =无,* * *

参数:

| **论据** | **值** | **描述** | | --- | --- | --- | | x,y,色调 | “数据”或矢量数据中的变量名称,可选 | 用于绘制长格式数据的输入。参见示例进行解释。 | | 数据 | 数据框、数组或数组列表,可选 | 用于绘图的数据集。如果没有“x”和“y”,这被解释为宽形。否则它应该是长格式的。 | | 顺序,色调_顺序 | 字符串列表,可选 | 在中绘制分类级别的顺序,否则级别是从数据对象中推断出来的。 | | 估计量 | 可调用,映射向量->标量,可选 | 在每个分类箱内进行估计的统计函数。 | | 铸铁 | 浮动或“标清”或无,可选 | 估计值周围的置信区间大小。如果是“sd”,跳过自举,画出观察值的标准差。如果为“无”,将不执行引导,也不会绘制误差线。 | | n_开机 | int,可选 | 计算置信区间时使用的引导迭代次数。 | | 单位 | “数据”或矢量数据中的变量名称,可选 | 采样单位的标识符,将用于执行多级自举并考虑重复测量设计。 | | 东方 | “v”|“h”,可选 | 图的方向(垂直或水平)。这通常是从输入变量的数据类型中推断出来的,但是可以用来指定“分类”变量是数字还是绘制宽格式数据。 | | 颜色 | 颜色马图利布,可选 | 所有元素的颜色,或渐变调色板的种子。 | | 调色板 | 调色板名称、列表或字典,可选 | 用于“色调”变量不同级别的颜色。应该是可以通过以下方式解释的东西:func:`color_palette `,或者是将色调级别映射到 matplotlib 颜色的字典。 | | 浸透 | 浮动,可选 | 用于绘制颜色的原始饱和度的比例。较大的色标通常使用稍微不饱和的颜色会更好看,但是如果您希望绘图颜色与输入颜色规格完全匹配,请将此值设置为“1”。 | | 错误颜色 | matplotlib color | 代表置信区间的线条的颜色。 | | 错误宽度 | 浮动,可选 | 误差线(和帽)的厚度。 | | 翻 | 浮动,可选 | 误差线“大写”的宽度。 | | 躲避 | 布尔,可选 | 当使用色调嵌套时,元素是否应该沿着分类轴移动。 | | 削减 | matplotlib Axes(可选) | 要在其上绘制绘图的轴对象,否则使用当前轴。 | | 夸格斯 | 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:

  • 进口海鸟
  • 从 Seaborn 加载数据集,因为它包含大量数据集。
  • 使用 seaborn.barplot()方法绘制条形图。

下面是实现:

例 1:

蟒蛇 3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt

# read a titanic.csv file
# from seaborn library
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

例 2:

蟒蛇 3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt

# read a titanic.csv file
# from seaborn library
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

例 3:

蟒蛇 3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt

# read a titanic.csv file
# from seaborn library
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

例 4:

蟒蛇 3

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# read a titanic.csv file
# from seaborn library
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:



回到顶部