seaborn.barplot柱狀圖詳說

1、seaborn.barplot參數：

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)

將點估計和置信區間顯示爲矩形圖。

參數：

x,y：str ,dataframe中的列名
hue：dataframe的列名，按照列名的值分類形成分類的條形圖；
data：dataframe或數組
order,hue_order（list of strings)：用於控制條形圖的順序；
estimator：默認mean 可以修改爲 median 中位數
ci：置信區間的大小，如果爲sd,跳過引導程序並繪製觀測值的標準偏差；
orient：繪圖方向，v,h
palette：調色板【"Set3"，""】
saturation：飽和度
capsize：設置誤差棒帽條（上下兩根橫線）的寬度；
n_boot：計算代表置信區間的誤差線時，默認採用bootstrap抽樣方法，控制bootstrap抽樣次數；
errcolor：設置誤差線顏色，默認黑色；
errwidth：設置誤差線的顯示線寬；
dodge:當使用分類參數hue時，dodge=True,不同bar顯示，False 同bar不同顏色；
ax：選擇圖形將顯示在哪個axes對象上，默認當前Axes對象；

(1)繪製一組按類別變量分組的垂直條形圖

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) 分類子圖

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）分類柱狀圖，顯示具體y軸數值，y軸刻度

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
# 顯示具體值
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)  # 設置是否顯示邊界線
ax1.set_yticks([0,50,100,150,200,250,300])

2、誤差線：

誤差線 源於統計學，表示數據誤差或不確定性範圍，以更準確方式呈現數據。
當label上有一組採樣數據時，一般用平均值作爲該label標註的值，用誤差線表示該均值可能的誤差範圍。
誤差線可以用：標準差 (standard Deviation,SD)、標準誤差（standard Error，SE)、置信區間表示；
標準差： s 
    樣本標準差估計總體標準差，其中u是樣本均值，誤差線範圍(u-s,u+s)
標準誤差：
    當多次進行重複採樣時，得到很多組數據，
置信區間理解：
    置信區間 置信度爲P指在重複採集n次時，得到的樣本均值有np次可能落在置信區間內，不能進行如下解讀：
總體均值有P的可能性在置信區間內， 可能性是貝葉斯學派的觀點。

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)
用條形圖顯示每個分類箱中的觀測值。計數條形圖
參數：
x,y,hue：dataframe中列名，x和y不能同時,hue分類
data：繪圖數據集
order,hue_order：控制條形圖順序
orient：繪圖方向，
color:顏色
palette：調色板【"Set3","Set1","husl","deep","rocket",""】
saturation：飽和度
dodge：當使用分類參數hue時，dodge=True,不同bar顯示，False 同bar不同顏色；
ax：使用軸對象繪圖，默認使用當前軸；

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)  # 設置是否顯示邊界線