Seaborn.barplot() 方法

Seaborn.barplot() 方法用於顯示點估計和置信區間作為矩形條形圖。每個矩形的高度代表數值變數的中心趨勢估計值，條形圖還透過誤差條顯示圍繞該估計值的不確定性程度。

當 0 是定量變數的有意義的值，並且您想針對它進行比較時，在定量軸範圍內包含 0 的條形圖是一個極好的選擇。在 0 不是有意義的值的資料集中，點圖將使您能夠專注於一個或多個分類變數級別之間的差異。

語法

以下是 seaborn.barplot() 方法的語法：

seaborn.barplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None, estimator=<function mean at 0x7ff320f315e0>, 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

引數

seaborn.barplot() 方法的一些引數如下：

序號	名稱和描述
1	x,y 這些引數接受變數名稱作為輸入，以繪製長格式資料。
2	data 這是用於繪製圖形的資料框。
3	hue 資料框中用於繪製圖形的變數名稱。
4	linewidth 此引數接受浮點值，並確定構成圖中元素的灰色線條的寬度。
5	dodge 此引數接受布林值。如果我們使用 hue 巢狀，則將 true 傳遞給此引數將分離不同 hue 級別的資料條。如果傳遞 False，則每個級別的點將彼此疊加繪製。
6	orient 它接受“h”或“v”值，圖形的方向根據此值確定。
7	color 接受 matplotlib 顏色作為輸入，這決定了所有元素的顏色。
8	palette 此引數指定不同 hue 對映的顏色。
9	capsize 接受浮點值作為輸入，並確定誤差條上帽的寬度。

載入 seaborn 庫

在繼續繪製圖表之前，讓我們載入 Seaborn 庫和資料集。要載入或匯入 seaborn 庫，可以使用以下程式碼行。

Import seaborn as sns

載入資料集

在本文中，我們將使用 seaborn 庫中內建的泰坦尼克號資料集。使用以下命令載入資料集。

titanic=sns.load_dataset("titanic")

以下命令用於檢視資料集中前 5 行。這使我們能夠了解可以使用哪些變數來繪製圖表。

titanic.head()

以下是上述程式碼段的輸出。

index,survived,pclass,sex,age,sibsp,parch,fare,embarked,class,who,adult_male,deck,embark_town,alive,alone
0,0,3,male,22.0,1,0,7.25,S,Third,man,true,NaN,Southampton,no,false
1,1,1,female,38.0,1,0,71.2833,C,First,woman,false,C,Cherbourg,yes,false
2,1,3,female,26.0,0,0,7.925,S,Third,woman,false,NaN,Southampton,yes,true

現在我們已經載入了資料集，我們將探索一些示例。

示例 1

要繪製基本的條形圖，傳遞引數 x、y 和資料集到 data 引數就足夠了。這裡，我們使用泰坦尼克號資料集，並將列 class 和 fare 分別傳遞給 x 和 y。由於 barplot 也是一個分類圖，它需要一個分類變數來繪製圖表。以下程式碼行可以參考繪製簡單的 barplot()。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.barplot(x="class", y="fare", data=titanic)
plt.show()

輸出

獲得的輸出如下：

示例 2

capsize 引數是 barplot() 方法中非常有用的引數。它接受浮點值，並確定誤差條上帽的寬度。在這個示例中，我們將 capsize 引數傳遞給該方法，並觀察生成的圖形的變化。由於圖形會更加清晰，因此在下面的示例中也傳遞了 hue 引數。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.barplot(x="class", y="fare",hue="who",capsize=0.2,data=titanic)
plt.show()

輸出

獲得的輸出如下：

示例 3

在這個示例中，我們將瞭解 order 引數的工作原理。此引數接受字串列表作為值。這些字串列表是繪製分類級別的順序。由於資料集中 class 變數的順序是 First、Second 和 Third，因此以下程式碼行中傳遞的順序與當前順序相反。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.barplot(x="class",y="fare",hue="who", data=titanic,order=["Third", "Second","First"])
plt.show()

輸出

使用上述程式碼行獲得的輸出如下：

示例 4

中心趨勢是一個用途廣泛的引數，它是一個可選引數，接受浮點數或 None 值。這是一個可選引數。要圍繞估計值繪製的是大小不同的置信區間。如果傳遞“sd”值，則執行自舉，並且圖表包含觀察到的標準差。如果為 None，則不會顯示誤差條，也不會執行自舉。

import seaborn as sns
import matplotlib.pyplot as plt
titanic=sns.load_dataset("titanic")
titanic.head()
sns.barplot(x="class", y="fare", ci="sd",data=titanic)
plt.show()

輸出

獲得的輸出如下：

seaborn_categorial_plots_Introduction.htm

列印頁面