sns.barplot() 画条形图

sns.barplot() ：条形图主要展现的是每个矩形高度的数值变量的中心趋势的估计

条形图只显示平均值（或其他估计值）

注：countplot参数和barplot基本差不多，可以对比着记忆，有一点不同的是countplot中不能同时输入x和y，且countplot没有误差棒，

类别特征barplot要同时传入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)

参数说明

x,y,hue:数据字段变量名(如上表，date,name,age,sex为数据字段变量名)

data: DataFrame,数组或数组列表

order,hue_order:字符串列表
作用：显式指定分类顺序，eg. order=[字段变量名1，字段变量名2,...]

estimator:可回调函数
作用：设置每个分类箱的统计函数

ci:float或者"sd"或None
在估计值附近绘制置信区间的大小，如果是"sd"，
则跳过bootstrapping并绘制观察的标准差，
如果为None,则不执行bootstrapping,并且不绘制错误条。

n_boot:int
计算置信区间时使用的引导迭代次数

orient: v | h
图的显示方向(垂直或水平,即横向或纵向)，
这通常可以从输入变量的dtype推断得到

color:matplotlib颜色

palette:调试板名称，列表或字典类型
作用：设置hue指定的变量的不同级别颜色。

saturation 饱和度：float

errcolor : matplotlib color
作用：表示置信区间的线条颜色

errwidth:float
作用：表示误差线的厚度

capsize:float
作用：表示误差线上"帽"的宽度(误差线上的横线的宽度)

dodge:bool
作用：使用色调嵌套时，是否应沿分类轴移动元素。

同样使用泰坦尼克号数据作为例子

#模拟生成数据集的方法

%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")  #用于解决中文显示不了的问题
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要同时出现
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:根据hue列分类
sns.barplot(x="color",y="age",data=data,hue="gender")

 

 

#order, hue_order (lists of strings)：用于控制条形图的顺序
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)控制条形图的取整列数据的什么值
fig,axes=plt.subplots(1,2)
sns.barplot(x="gender",y="age",data=data,ax=axes[0])  #左图，默认为平均值
sns.barplot(x="gender",y="age",estimator=np.median,data=data,ax=axes[1])  #右图，中位数

 

 

#ci（float）：统计学上的置信区间（在0-100之间）,若填写"sd",则误差棒用标准误差。(默认为95)
fig,axes=plt.subplots(1,2)
sns.barplot(x="color",y="age",data=data,ci=0,ax=axes[0])  #左图
sns.barplot(x="color",y="age",data=data,ci="sd",ax=axes[1])  #右图

 

 

#capsize（float）: 设置误差棒帽条（上下两根横线）的宽度
fig,axes=plt.subplots(1,2)
sns.barplot(x="color",y="age",data=data,ax=axes[0],capsize=.2)  #左图
sns.barplot(x="color",y="age",data=data,ax=axes[1],capsize=.9)  #右图

 

 

#palette:调色板，控制不同的颜色style
fig,axes=plt.subplots(2,1)
sns.barplot(x="color",y="age",data=data,ax=axes[0])  #上图
sns.barplot(x="color",y="age",data=data,palette="Set3",ax=axes[1])  #下图

 

 

#X,Y轴互换
fig,axes=plt.subplots(1,2)
sns.barplot(x="age",y="color",data=data,ax=axes[0])  #左图
sns.barplot(x="color",y="age",data=data,ax=axes[1])  #右图

 

 全部代码如下

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 21 10:52:00 2020

@author: Admin
"""


#模拟生成数据集的方法

%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")  #用于解决中文显示不了的问题
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要同时出现
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:根据hue列分类
sns.barplot(x="color",y="age",data=data,hue="gender")


#order, hue_order (lists of strings)：用于控制条形图的顺序
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)控制条形图的取整列数据的什么值
fig,axes=plt.subplots(1,2)
sns.barplot(x="gender",y="age",data=data,ax=axes[0])  #左图，默认为平均值
sns.barplot(x="gender",y="age",estimator=np.median,data=data,ax=axes[1])  #右图，中位数


#ci（float）：统计学上的置信区间（在0-100之间）,若填写"sd",则误差棒用标准误差。(默认为95)
fig,axes=plt.subplots(1,2)
sns.barplot(x="color",y="age",data=data,ci=0,ax=axes[0])  #左图
sns.barplot(x="color",y="age",data=data,ci="sd",ax=axes[1])  #右图


#capsize（float）: 设置误差棒帽条（上下两根横线）的宽度
fig,axes=plt.subplots(1,2)
sns.barplot(x="color",y="age",data=data,ax=axes[0],capsize=.2)  #左图
sns.barplot(x="color",y="age",data=data,ax=axes[1],capsize=.9)  #右图

#palette:调色板，控制不同的颜色style
fig,axes=plt.subplots(2,1)
sns.barplot(x="color",y="age",data=data,ax=axes[0])  #上图
sns.barplot(x="color",y="age",data=data,palette="Set3",ax=axes[1])  #下图


#X,Y轴互换
fig,axes=plt.subplots(1,2)
sns.barplot(x="age",y="color",data=data,ax=axes[0])  #左图
sns.barplot(x="color",y="age",data=data,ax=axes[1])  #右图