分類數據可視化 - 統計圖

barplot() / countplot() / pointplot()

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline#設置風格、尺度 sns.set_style("whitegrid") sns.set_context("paper")#屏蔽警告 import warnings warnings.filterwarnings('ignore')

1. 柱狀圖 - 置信區間估計

置信區間：樣本均值+抽樣誤差

# 加載數據 titanic = sns.load_dataset('titanic')sns.barplot(x='sex', y='survived', hue='class', data=titanic, palette='hls', order=['male', 'female'], # 類別篩選capsize=0.05, # 誤差線橫向延伸寬度saturation=0.8, # 顏色飽和度errcolor='gray', errwidth=2, # 誤差線顏色，寬度ci='sd' # 置信區間誤差 -> 0-100內值、sd 、 None )#print(titanic.groupby(['sex', 'class']).mean()['survived']) #print(titanic.groupby(['sex','class']).std()['survived'])#titanic.head()

# 柱狀圖 - 置信區間估計# 加載數據 tips = sns.load_dataset('tips')sns.barplot(x='day', y='total_bill', hue='sex', data=tips, palette='Blues', edgecolor='w')tips.groupby(['day','sex']).mean()

多柱狀圖 - 置信區間估計

# 加載數據 crashes = sns.load_dataset('car_crashes').sort_values('total', ascending=False) #print(crashes.head()) # 創建圖表 f, ax = plt.subplots(figsize=(6,15))sns.set_color_codes('pastel')# 設置第一個柱狀圖 sns.barplot(x='total', y='abbrev', data=crashes, label='Total', color='b', edgecolor='w')# 設置第二個柱狀圖 sns.set_color_codes('muted') sns.barplot(x='alcohol', y='abbrev', data=crashes, label='Alcohol-involved', color='b', edgecolor='w')ax.legend(ncol=2, loc='lower right') # 圖例位置，右下角 sns.despine(left=True, bottom=True) # 不顯示左側和低側軸

計數柱狀圖：countplot()

sns.countplot(x='class', hue='who', data=titanic, palette='magma')#sns.countplot(y='class', hue='who', data=titanic, palette='magma') # x/y -> 以x或者y軸繪圖（橫向、豎向） # 用法和barplot相似

折線圖 - 置信區間估計：pointplot()

# 折線圖 - 置信區間估計：pointplot()sns.pointplot(x='time', y='total_bill', hue='smoker', data=tips,palette='hls',dodge=True, # 設置點是否分開join=True, # 是否連線makers=['o', 'x'], linestyles=['-', '--'] # 設置點的樣式、線型)# 計算數據 # 用法和barplot相似 tips.groupby(['time', 'smoker']).mean()['total_bill']

總結

以上是生活随笔為你收集整理的Python数据可视化seaborn(五) -- 分类统计图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。