import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
penguins = pd.read_csv('../Data/penguins.csv')
Matplotlib：bar/barh¶
matplotlib.axes.Axes.bar — Matplotlib 3.7.0 documentation
matplotlib.axes.Axes.bar — Matplotlib 3.7.0 documentation
matplotlib.axes.Axes.barh — Matplotlib 3.10.1 documentation
matplotlib.pyplot.barh — Matplotlib 3.10.1 documentation
bar(x, height, width=0.8, bottom=0, *, align='center', data=None, **kwargs)
barh(y, width, height=0.8, left=0, *, align='center', data=None, **kwargs)
该函数继承自Rectangle类，**kwargs是一个可用Rectangle属性的列表，锚点参数xy是每个柱的左下角坐标，且旋转锚点设置也只能是'xy'（默认）。
绘制垂直/水平条形/柱状图。柱的位置由 x/y 和给定的align确定，尺寸由height和width给出。垂直/水平基线是 bottom/left（默认为 0）。许多参数可以接受单个值，应用于所有柱，或者接受一个序列值，每个柱一个值。
基础绘制¶
条形/柱状图常用于分类数据，例如条形底部/左侧的字符串标签。可以直接将字符串列表提供给 x/y 。 bar(['A', 'B', 'C'], [1, 2, 3])/barh(['A', 'B', 'C'], [1, 2, 3]) 通常比 bar(range(3), [1, 2, 3], tick_label=['A', 'B', 'C'])/barh(range(3), [1, 2, 3], tick_label=['A', 'B', 'C'])简短且方便。只要名称唯一，它们是等效的。显式的 tick_label 标记会按照给定的顺序绘制名称。然而，当分类 x/y 数据中有重复值时，这些值映射到相同的数值 x/y 坐标，因此相应的条形会重叠绘制。
-
height表示（每个）柱的**高度**。注意，如果bottom/y有单位（例如日期时间），则height应以bottom/y值的差值为单位（例如时间差）。 -
width表示（每个）柱的**宽度**。注意，如果x/left有单位（例如日期时间），则width应以x/left值的差值为单位（例如时间差）。 -
bottom/left表示（每个）柱的**底边y坐标/左侧边x坐标**。注意，如果bottom/left有单位，则 y / x轴将获得适合这些单位的定位器和格式化器（例如日期或分类）。 -
align表示（每个）柱**与x/y**坐标的对齐方式。'center'将基线居中对齐到x/y位置。'edge'将柱的左侧边缘与x/y位置对齐。要将柱对齐到右侧边缘，应传入一个负width/height并使用align='edge'。
如果设置log参数为True，则对y轴进行对数缩放。data参数同前。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=[0, 1, 2],
align='center',
bottom=[1, 2, 3],
height=[1, 2, 3],
width=[0.2, 0.4, 0.8]
)
"""
<BarContainer object of 3 artists>
"""
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=[0, 1, 2],
align='center',
bottom=[1, 2, 3],
height=[1, 2, 3],
width=[0.2, 0.4, 0.8],
tick_label=["A", "B", "C"]
)
# ax.bar(x=["A", "B", "C"],
# align='center',
# bottom=[1, 2, 3],
# height=[1, 2, 3],
# width=[0.2, 0.4, 0.8]
# )
"""
<BarContainer object of 3 artists>
"""
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.barh(y=[0, 1, 2],
align='center',
left=[1, 2, 3],
width=[1, 2, 3],
height=[0.2, 0.4, 0.8]
)
"""
<BarContainer object of 3 artists>
"""
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.barh(y=[0, 1, 2],
align='center',
left=[1, 2, 3],
width=[1, 2, 3],
height=[0.2, 0.4, 0.8],
tick_label=["A", "B", "C"]
)
# ax.barh(y=["A", "B", "C"],
# align='center',
# left=[1, 2, 3],
# width=[1, 2, 3],
# height=[0.2, 0.4, 0.8]
# )
"""
<BarContainer object of 3 artists>
"""
plt.show()
柱外观¶
参考Rectangle类参数。
-
angle：绕锚点旋转角度。
-
fill：是否填充。
-
facecolor/color：（每个）柱的填充色。如果两者都给出，则 facecolor 优先。
-
linestyle：边缘线型。
-
linewidth：（每个）柱的边缘线宽度。如果为 0，则不绘制边缘。
-
hatch：（每个）柱的框内线型。
-
hatch_linewidth：框内线宽。
-
edgecolor：（每个）柱的边缘色。
-
alpha：透明度。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=["A", "B", "C"],
align='center',
bottom=[1, 2, 3],
height=[1, 2, 3],
width=[0.2, 0.4, 0.8],
# Rectangle参数
angle=45,
fill=True,
facecolor=['r', 'g', 'b'],
linestyle='--',
linewidth=[2, 6, 10],
hatch=['/', '-', '+'],
hatch_linewidth=2,
edgecolor=['c', 'k', 'm'],
alpha=0.5
)
"""
<BarContainer object of 3 artists>
"""
plt.show()
图例标签¶
单个标签附加到结果 BarContainer 上，作为整个数据集的标签。如果提供标签列表，则必须与 x 的长度相同，即为每个柱添加标签。重复的标签不会去重，会导致重复的标签条目，因此最好在每个柱具有不同样式（例如，通过传递颜色列表）时使用。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=["A", "B", "C"],
align='center',
bottom=0,
height=[1, 2, 3],
width=0.2,
label="bar"
)
"""
<BarContainer object of 3 artists>
"""
ax.legend()
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
width = 0.2
inner = width + 0.08
ax.bar(x=[i + n * inner for i in range(3) for n in range(3)],
align='center',
bottom=0,
height=range(1, 10),
width=width,
tick_label=["", "A", "", "", "B", "", "", "C", ""],
facecolor=['r', 'g', 'b'] * 3,
label=['r', 'g', 'b', '_r', '_g', '_b', '_r', '_g', '_b']
)
"""
<BarContainer object of 3 artists>
"""
ax.legend()
plt.show()
误差线¶
**error_kw：**传递给errorbar函数的关键字参数字典。在此处定义的 ecolor 或 capsize 值优先于独立的关键字参数。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=["A", "B", "C"],
align='center',
bottom=0,
height=[1, 2, 3],
width=0.2,
xerr=[0.1, 0.2, 0.3],
yerr=[0.2, 0.3, 0.4],
error_kw={'ecolor': 'r',
'elinewidth': 2,
'capsize': 10,
'capthick': 2}
)
"""
<BarContainer object of 3 artists>
"""
plt.show()
柱标签（bar_label）¶
matplotlib.axes.Axes.bar_label — Matplotlib 3.10.1 documentation
matplotlib.pyplot.bar_label — Matplotlib 3.10.1 documentation
Bar chart with labels — Matplotlib 3.10.1 documentation
bar_label(container, labels=None, *, fmt='%g', label_type='edge', padding=0, **kwargs)
为给定BarContainer的每个柱添加标签。**kwargs任何剩余的关键字参数都将传递给 Axes.annotate 。由于标签会自动对齐到条形，因此不支持对齐参数的设置。
-
**container：**包含所有条形图和可选误差线的容器，通常由
bar或barh返回。可以通过ax.containers来查看Axes中拥有的BarContainer列表。 -
**labels：**要显示的标签文本列表。如果未提供，则标签文本为使用
fmt格式化的数据值。 -
label_type：
'edge'，标签放置在柱段的端点处，默认显示的值将是该端点的位置；'center'，标签放置在柱段的中心，默认显示的值将是该段的长度（适用于堆叠条形图）。 -
**fmt：**用于标签的%或{}格式化字符串，或一个带有值作为第一个参数的函数。当 fmt 是字符串且可以同时解释这两种格式时，%优先于{}。
-
**padding：**标签与柱末端或中心的距离（以点为单位）。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
ax.bar(x=["A", "B", "C"],
align='center',
bottom=0,
height=[1, 2, 3],
width=0.2
)
"""
<BarContainer object of 3 artists>
"""
ax.bar(x=["A", "B", "C"],
align='center',
bottom=[1, 2, 3],
height=[3, 2, 1],
width=0.2
)
"""
<BarContainer object of 3 artists>
"""
ax.bar_label(ax.containers[0],
labels=['I', 'II', 'III'],
label_type='center',
fmt=None,
padding=0,
# Annotate参数
fontsize=20,
color='r',
)
ax.bar_label(ax.containers[1],
labels=None,
label_type='edge',
fmt='{:.2f}',
padding=0,
# Annotate参数
fontsize=20,
color='g',
)
plt.show()
极坐标柱状图（玫瑰图）¶
极坐标柱状图是一种特殊形式的柱状图，又称南丁格尔玫瑰图(Nightingale Rose Chart)，它以南丁格尔(Florence Nightingale)命名，她在1858年首次使用这种图表来展示战争期间士兵死亡原因的数据。它将数据绘制在极坐标系中，而不是传统的笛卡尔坐标系中。图中的柱形通过角度（对应极坐标的角度变量θ）分布在圆周上，高度表示某一变量的数值。它适合展示周期性、环状或者分类数据。
Seaborn：barplot¶
seaborn.barplot — seaborn 0.13.2 documentation
sns.barplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None, estimator='mean', errorbar=('ci', 95), n_boot=1000, seed=None, units=None, weights=None, orient=None, color=None, palette=None, saturation=0.75, fill=True, hue_norm=None, width=0.8, dodge='auto', gap=0, log_scale=None, native_scale=False, formatter=None, legend='auto', capsize=0, err_kws=None, ax=None, **kwargs)
以矩形条形图显示点估计和误差。条形图表示数值变量的汇总或统计估计，每个矩形的高度表示估计值，并使用误差线表示该估计值的不确定性。条形图包括轴范围中的 0，当 0 是该变量有意义的取值时，这是一个很好的选择。
默认情况下，此函数将其中一个变量视为分类变量，并在相关轴上以序数位置（0，1，… n）绘制数据，可以通过设置 native_scale=True 来禁用此功能。
**kwargs其他参数传递给matplotlib.patches.Rectangle ，同上。
-
orient：'v' / 'x' 或 'h' / 'y'
-
**width：**分配给 orient 轴上每个元素的宽度。当
native_scale=True时，它与原始尺度中两个值之间的最小距离相对。 -
**dodge：**当使用色调映射时，元素是否应该沿 orient 轴变窄并移动以消除重叠。如果
"auto"，当 orient轴变量与分类变量交叉时设置为True，否则设置为False。 -
gap：通过此因子在 orient 轴上缩小，以在 dodged 元素之间添加间隙。
-
**log_scale：**设置坐标轴缩放为对数缩放。单个值（bool值或数值）设置图中的所有数值轴。一对值（bool值或数值）独立设置每个轴。数值被解释为所需的底数（默认为 10）。当为
None或False时，seaborn 将使用现有的 Axes缩放。 -
**native_scale：**当为 True 时，分类轴上的数值或日期时间值将保持其原始刻度，而不是转换为固定索引。
-
**formatter：**将分类数据转换为字符串的函数。影响分组和刻度标签。
-
**capsize：**误差线'帽'的宽度，相对于条形间距。
-
**err_kws：**用于误差线绘制的
matplotlib.lines.Line2D参数。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
data = pd.Series([1, 2, 3], index=["A", "B", "C"])
"""
A 1
B 2
C 3
dtype: int64
"""
sns.barplot(data=data,
width=0.2,
ax=ax
)
"""
<Axes: >
"""
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
data = pd.DataFrame({"A": np.linspace(1, 100, 50),
"B": np.linspace(1, 50, 50),
"C": np.linspace(1, 200, 50)})
"""
A B C
0 1.000000 1.0 1.000000
1 3.020408 2.0 5.061224
2 5.040816 3.0 9.122449
3 7.061224 4.0 13.183673
4 9.081633 5.0 17.244898
...
45 91.918367 46.0 183.755102
46 93.938776 47.0 187.816327
47 95.959184 48.0 191.877551
48 97.979592 49.0 195.938776
49 100.000000 50.0 200.000000
"""
sns.barplot(data=data,
width=0.2,
ax=ax
)
"""
<Axes: >
"""
plt.show()
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
sns.barplot(data=penguins,
x="species",
y="body_mass_g",
orient="x",
order=['Gentoo', 'Chinstrap', 'Adelie'],
formatter=lambda x: x+" penguins",
hue='sex',
hue_order=['FEMALE', 'MALE'],
fill=True,
palette={"FEMALE": "#facc87", "MALE": "#b1fa87"},
saturation=0.75,
estimator='mean',
errorbar=('ci', 95),
capsize=0.2,
err_kws={"linestyle": "--",
"linewidth": 2,
"color": "r"},
n_boot=1000,
seed=0,
units=None,
weights=None,
width=0.5,
dodge='auto',
gap=0.3,
log_scale=False,
native_scale=True,
ax=ax
)
"""
<Axes: xlabel='species', ylabel='body_mass_g'>
"""
plt.show()
Seaborn：countplot¶
seaborn.countplot — seaborn 0.13.2 documentation
sns.countplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None, palette=None, saturation=0.75, fill=True, hue_norm=None, stat='count', width=0.8, dodge='auto', gap=0, log_scale=None, native_scale=False, formatter=None, legend='auto', ax=None, **kwargs)
使用条形图显示每个分类区间中观测值的数量。对于该函数，x和y参数不能同时传递，方向根据传递的是x还是y参数来决定。可以将计数图视为在分类变量上而不是在定量变量上的直方图。其基本 API 和选项与 barplot() 相同，因此可以比较嵌套变量之间的计数。
**stat：**统计量计算。当不是 'count' 时，柱状图的高度将归一化，使得它们在图中和为 100（'percent' ）或 1（'proportion', 'probability'）。
kwargs其他参数传递给matplotlib.patches.Rectangle ，同上。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
sns.countplot(data=penguins,
x="species",
# y="species",
order=['Gentoo', 'Chinstrap', 'Adelie'],
formatter=lambda x: x+" penguins",
stat="count",
hue='sex',
hue_order=['FEMALE', 'MALE'],
fill=True,
palette={"FEMALE": "#facc87", "MALE": "#b1fa87"},
saturation=0.75,
width=0.5,
dodge='auto',
gap=0.3,
log_scale=False,
native_scale=True,
ax=ax
)
"""
<Axes: xlabel='species', ylabel='count'>
"""
plt.show()
Seaborn：pointplot¶
seaborn.pointplot — seaborn 0.13.2 documentation
sns.pointplot(data=None, *, x=None, y=None, hue=None, order=None, hue_order=None, estimator='mean', errorbar=('ci', 95), n_boot=1000, seed=None, units=None, weights=None, color=None, palette=None, hue_norm=None, markers=<default>, linestyles=<default>, dodge=False, log_scale=None, native_scale=False, orient=None, capsize=0, formatter=None, legend='auto', err_kws=None, ax=None, **kwargs)
使用线条和标记显示点估计和误差。点图通过点的位置表示数值变量的集中趋势估计，并使用误差线提供对该估计不确定性的指示。点图比条形图更有助于集中比较一个或多个分类变量的不同水平。它们特别擅长展示交互作用：一个分类变量的水平与另一个分类变量的水平之间的关系如何变化。连接来自同一水平 hue 的每个点的线条允许通过斜率差异来判断交互作用，这比比较几个点组或条形的高度更容易为眼睛所接受。
-
**markers：**为每个
hue水平使用的标记。 -
**linestyles：**为每个
hue水平使用的线型。 -
**dodge：**沿着分类轴为每个级别的
hue变量分离点的数量。设置为True将应用默认的小值。
**kwargs其他参数传递给matplotlib.lines.Line2D。
fig = plt.figure(figsize=(8, 8), dpi=100, layout="constrained")
ax = fig.add_subplot(1, 1, 1)
sns.pointplot(data=penguins,
x="species",
y="body_mass_g",
orient="x",
order=['Gentoo', 'Chinstrap', 'Adelie'],
formatter=lambda x: x+" penguins",
hue='sex',
hue_order=['FEMALE', 'MALE'],
palette={"FEMALE": "#facc87", "MALE": "#b1fa87"},
estimator='mean',
errorbar=('ci', 95),
capsize=0.2,
err_kws={"linestyle": "--",
"linewidth": 2,
"color": "r"},
n_boot=1000,
seed=0,
units=None,
weights=None,
dodge=False,
markers=['o', '*'],
markersize=15,
linestyles=['--', '-'],
linewidth=2,
log_scale=False,
native_scale=True,
ax=ax
)
"""
<Axes: xlabel='species', ylabel='body_mass_g'>
"""
plt.show()
