sns.barplot() ：條形圖主要展現的是每個矩形高度的數值變量的中心趨勢的估計
條形圖只顯示平均值（或其他估計值）
注：countplot參數和barplot基本差不多，可以對比着記憶，有一點不同的是countplot中不能同時輸入x和y，且countplot沒有誤差棒，
類別特征barplot要同時傳入x,y
seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean>, 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)
參數說明
x,y,hue:數據字段變量名(如上表，date,name,age,sex為數據字段變量名) data: DataFrame,數組或數組列表 order,hue_order:字符串列表 作用：顯式指定分類順序，eg. order=[字段變量名1，字段變量名2,...] estimator:可回調函數 作用：設置每個分類箱的統計函數 ci:float或者"sd"或None 在估計值附近繪制置信區間的大小，如果是"sd"， 則跳過bootstrapping並繪制觀察的標准差， 如果為None,則不執行bootstrapping,並且不繪制錯誤條。 n_boot:int 計算置信區間時使用的引導迭代次數 orient: v | h 圖的顯示方向(垂直或水平,即橫向或縱向)， 這通常可以從輸入變量的dtype推斷得到 color:matplotlib顏色 palette:調試板名稱，列表或字典類型 作用：設置hue指定的變量的不同級別顏色。 saturation 飽和度：float errcolor : matplotlib color 作用：表示置信區間的線條顏色 errwidth:float 作用：表示誤差線的厚度 capsize:float 作用：表示誤差線上"帽"的寬度(誤差線上的橫線的寬度) dodge:bool 作用：使用色調嵌套時，是否應沿分類軸移動元素。
同樣使用泰坦尼克號數據作為例子
#模擬生成數據集的方法 %matplotlib inline import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt plt.rc("font",family="SimHei",size="12") #用於解決中文顯示不了的問題 sns.set_style("whitegrid") boolean=[True,False] gender=['男','女'] color=['green','blue','yellow'] data=pd.DataFrame({'height':np.random.randint(150,190,100), 'weight':np.random.randint(40,90,100), 'smoker':[boolean[x] for x in np.random.randint(0,2,100)], 'gender':[gender[x] for x in np.random.randint(0,2,100)], 'age':np.random.randint(15,90,100), 'color':[color[x] for x in np.random.randint(0,len(color),100)]}) #x,y要同時出現 sns.barplot(x="color",y="age",data=data) #或者直接使用df[col] sns.barplot(x=data["color"],y=data["age"])
#hue:根據hue列分類 sns.barplot(x="color",y="age",data=data,hue="gender")
#order, hue_order (lists of strings)：用於控制條形圖的順序 fig,axes=plt.subplots(1,2) sns.barplot(x="gender",y="age",data=data,ax=axes[0]) sns.barplot(x="gender",y="age",data=data,ax=axes[1],order=["女","男"])
#estimator=(function name)控制條形圖的取整列數據的什么值 fig,axes=plt.subplots(1,2) sns.barplot(x="gender",y="age",data=data,ax=axes[0]) #左圖，默認為平均值 sns.barplot(x="gender",y="age",estimator=np.median,data=data,ax=axes[1]) #右圖，中位數
#ci（float）：統計學上的置信區間（在0-100之間）,若填寫"sd",則誤差棒用標准誤差。(默認為95) fig,axes=plt.subplots(1,2) sns.barplot(x="color",y="age",data=data,ci=0,ax=axes[0]) #左圖 sns.barplot(x="color",y="age",data=data,ci="sd",ax=axes[1]) #右圖
#capsize（float）: 設置誤差棒帽條（上下兩根橫線）的寬度 fig,axes=plt.subplots(1,2) sns.barplot(x="color",y="age",data=data,ax=axes[0],capsize=.2) #左圖 sns.barplot(x="color",y="age",data=data,ax=axes[1],capsize=.9) #右圖
#palette:調色板，控制不同的顏色style fig,axes=plt.subplots(2,1) sns.barplot(x="color",y="age",data=data,ax=axes[0]) #上圖 sns.barplot(x="color",y="age",data=data,palette="Set3",ax=axes[1]) #下圖
#X,Y軸互換 fig,axes=plt.subplots(1,2) sns.barplot(x="age",y="color",data=data,ax=axes[0]) #左圖 sns.barplot(x="color",y="age",data=data,ax=axes[1]) #右圖
全部代碼如下
# -*- coding: utf-8 -*- """ Created on Tue Jul 21 10:52:00 2020 @author: Admin """ #模擬生成數據集的方法 %matplotlib inline import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt plt.rc("font",family="SimHei",size="12") #用於解決中文顯示不了的問題 sns.set_style("whitegrid") boolean=[True,False] gender=['男','女'] color=['green','blue','yellow'] data=pd.DataFrame({'height':np.random.randint(150,190,100), 'weight':np.random.randint(40,90,100), 'smoker':[boolean[x] for x in np.random.randint(0,2,100)], 'gender':[gender[x] for x in np.random.randint(0,2,100)], 'age':np.random.randint(15,90,100), 'color':[color[x] for x in np.random.randint(0,len(color),100)]}) #x,y要同時出現 sns.barplot(x="color",y="age",data=data) #或者直接使用df[col] sns.barplot(x=data["color"],y=data["age"]) #hue:根據hue列分類 sns.barplot(x="color",y="age",data=data,hue="gender") #order, hue_order (lists of strings)：用於控制條形圖的順序 fig,axes=plt.subplots(1,2) sns.barplot(x="gender",y="age",data=data,ax=axes[0]) sns.barplot(x="gender",y="age",data=data,ax=axes[1],order=["女","男"]) #estimator=(function name)控制條形圖的取整列數據的什么值 fig,axes=plt.subplots(1,2) sns.barplot(x="gender",y="age",data=data,ax=axes[0]) #左圖，默認為平均值 sns.barplot(x="gender",y="age",estimator=np.median,data=data,ax=axes[1]) #右圖，中位數 #ci（float）：統計學上的置信區間（在0-100之間）,若填寫"sd",則誤差棒用標准誤差。(默認為95) fig,axes=plt.subplots(1,2) sns.barplot(x="color",y="age",data=data,ci=0,ax=axes[0]) #左圖 sns.barplot(x="color",y="age",data=data,ci="sd",ax=axes[1]) #右圖 #capsize（float）: 設置誤差棒帽條（上下兩根橫線）的寬度 fig,axes=plt.subplots(1,2) sns.barplot(x="color",y="age",data=data,ax=axes[0],capsize=.2) #左圖 sns.barplot(x="color",y="age",data=data,ax=axes[1],capsize=.9) #右圖 #palette:調色板，控制不同的顏色style fig,axes=plt.subplots(2,1) sns.barplot(x="color",y="age",data=data,ax=axes[0]) #上圖 sns.barplot(x="color",y="age",data=data,palette="Set3",ax=axes[1]) #下圖 #X,Y軸互換 fig,axes=plt.subplots(1,2) sns.barplot(x="age",y="color",data=data,ax=axes[0]) #左圖 sns.barplot(x="color",y="age",data=data,ax=axes[1]) #右圖