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 errfloat 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