seaborn.barplot柱状图详说 |
您所在的位置：网站首页 › 柱状图上面的小竖线 › seaborn.barplot柱状图详说 |
seaborn.barplot柱状图详说
|
1、seaborn.barplot参数：
seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=mean , ci=95,
n_boot=1000, units=None, seed=None, orient=None, color=None, palette=None, saturation=0.75, errcolor='.26',
errwidth=None, capsize=None, dodge=True, ax=None, **kwargs)
将点估计和置信区间显示为矩形图。 参数： x,y：str ,dataframe中的列名hue：dataframe的列名，按照列名的值分类形成分类的条形图；data：dataframe或数组order,hue_order（list of strings)：用于控制条形图的顺序；estimator：默认mean 可以修改为 median 中位数ci：置信区间的大小，如果为sd,跳过引导程序并绘制观测值的标准偏差；orient：绘图方向，v,hpalette：调色板【"Set3"，""】saturation：饱和度capsize：设置误差棒帽条（上下两根横线）的宽度；n_boot：计算代表置信区间的误差线时，默认采用bootstrap抽样方法，控制bootstrap抽样次数；errcolor：设置误差线颜色，默认黑色；errwidth：设置误差线的显示线宽；dodge:当使用分类参数hue时，dodge=True,不同bar显示，False 同bar不同颜色；ax：选择图形将显示在哪个axes对象上，默认当前Axes对象； (1)绘制一组按类别变量分组的垂直条形图 import seaborn as sns sns.set(style="whitegrid") tips = sns.load_dataset("tips") ax = sns.barplot(x="day",y="total_bill",data=tips) sns.barplot(x="day",y="total_bill",hue ="sex",data=tips)
(2) 分类子图 sns.set(style="white",context="talk") fig,(ax1,ax2) = plt.subplots(2,1,figsize=(10,6),sharex=True) x = np.array(list("ABCDEFGHIJ")) y1 = np.arange(1, 11) sns.barplot(x=x, y=y1, palette="deep", ax=ax1) # palette :rocket husl deep vlag ax1.axhline(0, color="k", clip_on=False) ax1.set_ylabel("Sequential") y2 = y1 - 5.5 sns.barplot(x=x, y=y2, palette="vlag", ax=ax2) ax2.axhline(0, color="k", clip_on=False) ax2.set_ylabel("Diverging") sns.despine(bottom=True) plt.setp(fig.axes, yticks=[]) plt.tight_layout(h_pad=2)
（3）分类柱状图，显示具体y轴数值，y轴刻度 tips = sns.load_dataset("tips") group_values = tips.groupby("day").sum().reset_index() plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] sns.set(style="white",context="talk") fig,ax1 = plt.subplots(1,1,figsize=(8,5),sharex=True) g = sns.barplot(x="day", y="tip",data=group_values, palette="husl", ax=ax1,ci =0) # palette :rocket husl deep vlag # 显示具体值 for index,row in group_values.iterrows(): g.text(row.name,row.tip+2,round(row.tip,1),color="black",ha="center") sns.despine(bottom=False,left=False) # 设置是否显示边界线 ax1.set_yticks([0,50,100,150,200,250,300])
2、误差线：
误差线 源于统计学，表示数据误差或不确定性范围，以更准确方式呈现数据。 当label上有一组采样数据时，一般用平均值作为该label标注的值，用误差线表示该均值可能的误差范围。 误差线可以用：标准差 (standard Deviation,SD)、标准误差（standard Error，SE)、置信区间表示； 标准差： s 样本标准差估计总体标准差，其中u是样本均值，误差线范围(u-s,u+s) 标准误差： 当多次进行重复采样时，得到很多组数据， 置信区间理解： 置信区间 置信度为P指在重复采集n次时，得到的样本均值有np次可能落在置信区间内，不能进行如下解读： 总体均值有P的可能性在置信区间内， 可能性是贝叶斯学派的观点。 3、seaborn.countplot seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs) 用条形图显示每个分类箱中的观测值。计数条形图 参数： x,y,hue：dataframe中列名，x和y不能同时,hue分类 data：绘图数据集 order,hue_order：控制条形图顺序 orient：绘图方向， color:颜色 palette：调色板【"Set3","Set1","husl","deep","rocket",""】 saturation：饱和度 dodge：当使用分类参数hue时，dodge=True,不同bar显示，False 同bar不同颜色； ax：使用轴对象绘图，默认使用当前轴； sns.set(style="white") plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] sns.set(style="white",context="talk") fig,ax1 = plt.subplots(1,1,figsize=(8,5),sharex=True) group_values = tips.groupby("day").count().reset_index() g = sns.countplot(x="day",data=data,palette="husl",ax=ax1) for index,row in group_values.iterrows(): g.text(row.name,row.tip+2,row.tip,color="black",ha="center") g.set_yticks([0,20,40,60,80,100]) # sns.despine(bottom=False,left=False) # 设置是否显示边界线
import seaborn as sns plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] sns.set(style="white",context="talk") exercise = sns.load_dataset("exercise") sns.catplot(x="time", y="pulse", hue="kind", data=exercise,col="diet") exercise.head()
|
【本文地址】
今日新闻 |
推荐新闻 |