怎么使用Python seaborn barplot画图

本文小编为大家详细介绍“怎么使用Python seaborn barplot画图”，内容详细，步骤清晰，细节处理妥当，希望这篇“怎么使用Python seaborn barplot画图”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

默认barplot

import seaborn as sns import matplotlib.pyplot as plt  import numpy as np  sns.set_theme() df = sns.load_dataset("tips") #默认画条形图 sns.barplot(x="day",y="total_bill",data=df) plt.show() #计算平均值看是否和条形图的高度一致 print(df.groupby("day").agg({"total_bill":[np.mean]})) print(df.groupby("day").agg({"total_bill":[np.std]})) # 注意这个地方error bar显示并不是标准差

     total_bill            mean day Thur  17.682742 Fri   17.151579 Sat   20.441379 Sun   21.410000      total_bill             std day Thur   7.886170 Fri    8.302660 Sat    9.480419 Sun    8.832122

使用案例

# import libraries import seaborn as sns import numpy as np import matplotlib.pyplot as plt # load dataset tips = sns.load_dataset("tips") # Set the figure size plt.figure(figsize=(14, 8)) # plot a bar chart ax = sns.barplot(x="day", y="total_bill", data=tips, estimator=np.mean, ci=85, capsize=.2, color='lightblue')

修改capsize

ax=sns.barplot(x="day",y="total_bill",data=df,capsize=1.0) plt.show()

显示error bar的值

import seaborn as sns import matplotlib.pyplot as plt  sns.set_theme() df = sns.load_dataset("tips") #默认画条形图 ax=sns.barplot(x="day",y="total_bill",data=df) plt.show() for p in ax.lines:     width = p.get_linewidth()     xy = p.get_xydata() # 显示error bar的值     print(xy)     print(width)     print(p)

[[ 0.         15.85041935]  [ 0.         19.64465726]] 2.7 Line2D(_line0) [[ 1.         13.93096053]  [ 1.         21.38463158]] 2.7 Line2D(_line1) [[ 2.         18.57236207]  [ 2.         22.40351437]] 2.7 Line2D(_line2) [[ 3.         19.66244737]  [ 3.         23.50109868]] 2.7 Line2D(_line3)

annotata error bar

fig, ax = plt.subplots(figsize=(8, 6)) sns.barplot(x='day', y='total_bill', data=df, capsize=0.2, ax=ax) # show the mean for p in ax.patches:     h, w, x = p.get_height(), p.get_width(), p.get_x()     xy = (x + w / 2., h / 2)     text = f'Mean:\n{h:0.2f}'     ax.annotate(text=text, xy=xy, ha='center', va='center') ax.set(xlabel='day', ylabel='total_bill') plt.show()

error bar选取sd

import seaborn as sns import matplotlib.pyplot as plt  sns.set_theme() df = sns.load_dataset("tips") #默认画条形图 sns.barplot(x="day",y="total_bill",data=df,ci="sd",capsize=1.0)## 注意这个ci参数 plt.show() print(df.groupby("day").agg({"total_bill":[np.mean]})) print(df.groupby("day").agg({"total_bill":[np.std]}))

     total_bill            mean day Thur  17.682742 Fri   17.151579 Sat   20.441379 Sun   21.410000      total_bill             std day Thur   7.886170 Fri    8.302660 Sat    9.480419 Sun    8.832122

设置置信区间(68)

import seaborn as sns import matplotlib.pyplot as plt  sns.set_theme() df = sns.load_dataset("tips") #默认画条形图 sns.barplot(x="day",y="total_bill",data=df,ci=68,capsize=1.0)## 注意这个ci参数 plt.show()

设置置信区间(95)

import seaborn as sns import matplotlib.pyplot as plt  sns.set_theme() df = sns.load_dataset("tips") #默认画条形图 sns.barplot(x="day",y="total_bill",data=df,ci=95) plt.show() #计算平均值看是否和条形图的高度一致 print(df.groupby("day").agg({"total_bill":[np.mean]}))

     total_bill            mean day Thur  17.682742 Fri   17.151579 Sat   20.441379 Sun   21.410000

dataframe aggregate函数使用

#计算平均值看是否和条形图的高度一致 df = sns.load_dataset("tips") print("="*20) print(df.groupby("day").agg({"total_bill":[np.mean]})) # 分组求均值 print("="*20) print(df.groupby("day").agg({"total_bill":[np.std]})) # 分组求标准差 print("="*20) print(df.groupby("day").agg({"total_bill":"nunique"})) # 这里统计的是不同的数目 print("="*20) print(df.groupby("day").agg({"total_bill":"count"})) # 这里统计的是每个分组样本的数量 print("="*20) print(df["day"].value_counts()) print("="*20)

====================      total_bill            mean day Thur  17.682742 Fri   17.151579 Sat   20.441379 Sun   21.410000 ====================      total_bill             std day Thur   7.886170 Fri    8.302660 Sat    9.480419 Sun    8.832122 ====================       total_bill day Thur          61 Fri           18 Sat           85 Sun           76 ====================       total_bill day Thur          62 Fri           19 Sat           87 Sun           76 ==================== Sat     87 Sun     76 Thur    62 Fri     19 Name: day, dtype: int64 ====================

dataframe aggregate 自定义函数

import numpy as np import pandas as pd df = pd.DataFrame({'Buy/Sell': [1, 0, 1, 1, 0, 1, 0, 0],                    'Trader': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C']}) print(df) def categorize(x):     m = x.mean()     return 1 if m > 0.5 else 0 if m < 0.5 else np.nan result = df.groupby(['Trader'])['Buy/Sell'].agg([categorize, 'sum', 'count']) result = result.rename(columns={'categorize' : 'Buy/Sell'}) result

   Buy/Sell Trader 0         1      A 1         0      A 2         1      B 3         1      B 4         0      B 5         1      C 6         0      C 7         0      C

dataframe aggregate 自定义函数2

df = sns.load_dataset("tips") #默认画条形图 def custom1(x):     m = x.mean()     s = x.std()     n = x.count()# 统计个数     #print(n)     return m+1.96*s/np.sqrt(n) def custom2(x):     m = x.mean()     s = x.std()     n = x.count()# 统计个数     #print(n)     return m+s/np.sqrt(n) sns.barplot(x="day",y="total_bill",data=df,ci=95) plt.show() print(df.groupby("day").agg({"total_bill":[np.std,custom1]})) # 分组求标准差 sns.barplot(x="day",y="total_bill",data=df,ci=68) plt.show() print(df.groupby("day").agg({"total_bill":[np.std,custom2]})) #

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pkCx72ui-1658379974318)(output_24_0.png)]

     total_bill             std    custom1 day Thur   7.886170  19.645769 Fri    8.302660  20.884910 Sat    9.480419  22.433538 Sun    8.832122  23.395703

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GFyIePmW-1658379974318)(output_24_2.png)]

     total_bill             std    custom2 day Thur   7.886170  18.684287 Fri    8.302660  19.056340 Sat    9.480419  21.457787 Sun    8.832122  22.423114

seaborn显示网格

ax=sns.barplot(x="day",y="total_bill",data=df,ci=95) ax.yaxis.grid(True) # Hide the horizontal gridlines ax.xaxis.grid(True) # Show the vertical gridlines

seaborn设置刻度

fig, ax = plt.subplots(figsize=(10, 8)) sns.barplot(x="day",y="total_bill",data=df,ci=95,ax=ax) ax.set_yticks([i for i in range(30)]) ax.yaxis.grid(True) # Hide the horizontal gridlines

使用其他estaimator

#estimator 指定条形图高度使用相加的和 sns.barplot(x="day",y="total_bill",data=df,estimator=np.sum) plt.show() #计算想加和看是否和条形图的高度一致 print(df.groupby("day").agg({"total_bill":[np.sum]})) '''      total_bill             sum day Fri      325.88 Sat     1778.40 Sun     1627.16 Thur    1096.33 '''

读到这里，这篇“怎么使用Python seaborn barplot画图”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。