seaborn庫中柱狀圖繪制詳解

        柱狀圖用於反映數值變量的集中趨勢，用誤差線估計變量的差值統計。理解誤差線有助於我們准確的獲取柱狀圖反映的信息，因此打算先介紹一下誤差線方面的內容，然后介紹一下利用seaborn庫繪制柱狀圖。

1.誤差線的理解

       誤差線源於統計學，表示數據誤差(或不確定性)范圍，以更准確的方式呈現數據。當label上有一組采樣數據時，一般將這組數據的平均值作為該label上標注的值，而用誤差線表示該均值可能的誤差范圍。誤差線可以用標准差(standard deviation,SD)、標准誤(standard error,SE)和置信區間表示，使用時可選用任意一種表示方法並作相應說明即可。當label上值有一個數據時，則不需要標注誤差線。

• 標准差

       在實際中，總體的標准差總是未知的，我們一般用樣本標准差來估計總體標准差，樣本標准差定義為 

                                                                      ​

      其中為樣本均值，則誤差線的范圍為()

• 標准誤

       當多次進行重復采樣時，會得到多組數據，每組數據都有一個平均值，這些平均值間是有差異的，盡管在每組數據量較大時，這個差異會比較小，標准誤表示的就是平均值的誤差范圍。可以對標准誤做以下估計

                                                                            ​

       其中為樣本的標准差，則誤差線的范圍為()

• 置信區間

       由於bar上標明的值是樣本均值，這里實際上是對樣本均值進行區間估計得到的置信區間。一般作區間估計時，需要先獲知總體的分布，在實際中我們依據樣本的數據量來假設其總體的分布。當為大樣本數據情況時(一般數據量大於30),假設樣本服從正態分布，當數據量較小時(小於30)時假設樣本服從-分布。當然，若已知總體分布時則不需要假設，包括接下來均值及標准差的計算，若已知時則不需要對其進行估計。

       當總體為正態分布時，誤差線的范圍為

                                                                     ​

       其中依據區間置信度來計算,C表示置信度(只列出常見的置信度)

                                                           ​

       當總體為-分布時，誤差線的范圍為

                                                                       ​

       其中依據置信度及樣本自由度(N-1)來計算，一般查詢-分布得到

                                 ​

                                                          

       這里以均值的置信區間為例，順便說一下對置信區間的理解。置信區間(置信度為)是指在重復采集次時，得到的樣本均值有次可能落在置信區間內，我們不能對置信區間作如下解讀：總體均值有的可能性在置信區間內，這是不對的，在一次采樣完成后，按照頻率學派的觀點，只有“在區間內”、“在區間外”這兩種情況，而不能討論可能性(可能性是貝葉斯學派的觀點)。

      通過以上的說明，可以獲知這樣一點內容：當誤差線比較“長”時，一般要么是數據離散程度大，要么是數據樣本少。

2.利用seaborn.barplot()繪制柱狀圖

     seaborn.barplot()繪圖參數的說明為：

• x：指定label值，可以是一個序列
• y：對應每個label上的數據，可以是一個序列
• hue：指定分類變量，其使用示例如下，左圖是不使用hue參數時的圖形，右圖是使用hue的圖形

>>> a=np.arange(40).reshape(10,4) df=pd.DataFrame(a,columns=['a','b','c','d']) df['a']=[0,4,4,8,8,8,4,12,12,12] df['d']=list('aabbabbbab') sns.barplot(x='a',y='b',data=df,hue='d')

     ​

• data：使用的數據集。在上面的例子中，當指定"data=df"時，可以在“x=”、"y="處直接使用column名稱，否則需要使用"x=data['a']"的形式
• order，hue_order：order控制bar繪制的順序，hue_order控制一個bra內每個類繪圖順序，例如分別執行以下代碼

>>> sns.barplot(x='a',y='b',data=df,order=[8,4,12,0]) #控制bar繪制順序,左圖 sns.barplot(x='a',y='b',data=df,hue_order=['b','a']) #控制bar繪制順序,右圖

  ​  ​

• estimator：設置每一個label上顯示的統計量類型,默認為平均值，可修改為最大值、中位值等。注意，若修改為非平均值，那么前面所提到的誤差線都需要做修改，因為前面的誤差線解釋都是基於平均值的。
• ci：在seaborn.barplot()中誤差線默認表示的是均值的置信區間，因此當ci為(0,100)間的值時表示置信區間的置信度，默認為95；ci還可以取值為'sd'，此時誤差線表示的是標准誤差；當ci取值為None時，則不顯示誤差線
• n_boot：計算代表置信區間的誤差線時，默認會采用bootstrap抽樣方法(在樣本量較小時比較有用)，該參數控制bootstrap抽樣的次數
• units：該參數的解釋我暫時還未弄明白
• orient：設置柱狀圖水平繪制還是豎直繪制，"h"表示水平，“v”表示豎直。
• color：設置bar的顏色，這里似乎用於將所有的bar設置為同一種顏色
• pattle：調色板，設置bar的以不同顏色顯示，所有的顏色選擇都要是matplotlib是能識別的顏色
• saturation：設置顏色的飽和度取值為[0,1]間
• errcolor：設置誤差線的顏色，默認為黑色
• errwidth：設置誤差線的顯示線寬
• capsize：設置誤差線頂部、底端處橫線的顯示長度
• dodge：當使用分類參數“hue”時，可以通過dodge參數設置是將不同的類分別用一個bar表示，還是在一個bar上通過不同顏色表示，下圖總左邊是dodge=True，右邊是dodge=False，默認為True。

    ​

• ax：選擇將圖形顯示在哪個Axes對象上，默認為當前Axes對象
• kwargs：matplotlib.plot.bar()中其它的參數

 返回值:ax，matplotlib.Axes對象