您好,登录后才能下订单哦!
这篇文章主要介绍了怎么使用python sns.countplot()绘画条形图的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇怎么使用python sns.countplot()绘画条形图文章都会有所收获,下面我们一起来看看吧。
前言:
sns.countplot() 用于画类别特征的频数条形图。
函数中的参数如下所示:
sns.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)
参数说明:
x: x轴上的条形图,以x标签划分统计个数
y:y轴上的条形图,以y标签划分统计个数
hue:在x或y标签划分的同时,再以hue标签划分统计个数
data:df或array或array列表,用于绘图的数据集,x或y缺失时,data参数为数据集,同时x或y不可缺少,必须要有其中一个
order与 hue_order:分别是对x或y的字段排序,或是对hue的字段排序。排序的方式为列表
orient:强制定向,v:竖直方向;h:水平方向
palette:使用不同的调色板
以titanic.csv为例(具体数据)
例一:x轴上的条形图
import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt titanic=pd.read_csv('train.csv') titanic.columns #x轴上的条形图 sns.countplot(x='Pclass',data=titanic) plt.show() #或者直接使用df[col] sns.countplot(x=titanic['Pclass'])
运行结果:
例二:y轴上的条形图
import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt titanic=pd.read_csv('train.csv') titanic.columns #y轴上的条形图 sns.countplot(y='Pclass',data=titanic) plt.show() #或者直接使用df[col] sns.countplot(y=titanic['Pclass'])
运行结果:
例三:hue(颜色)
# hue sns.countplot(x='Pclass', hue='Survived', data=titanic) plt.show() # 或者直接使用df[col] sns.countplot(x=titanic['Pclass'], hue=titanic['Survived'])
运行结果:
import pandas as pd import seaborn as sns titanic = pd.read_csv('train.csv') titanic.columns #order,hue_order sns.countplot(x='Pclass',hue='Survived',data=titanic,order=[3,2,1],hue_order=[1,0]) plt.show()
运行结果:
例四:改变柱状图样式 palette
import pandas as pd import seaborn as sns titanic = pd.read_csv('train.csv') titanic.columns
#调色板 sns.countplot(x=‘Pclass',data=titanic,palette=“Set3”) plt.show()
运行结果:
例五:指定子图
#ax指定子图 fig, ax = plt.subplots(1, 2, figsize=(10, 5)) sns.countplot(x='Pclass', data=titanic, ax=ax[0]) sns.countplot(y='Pclass', data=titanic, ax=ax[1]) plt.show()
运行结果:
关于“怎么使用python sns.countplot()绘画条形图”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“怎么使用python sns.countplot()绘画条形图”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。