比较（一）利用python绘制条形图

比较（一）利用python绘制条形图

条形图（Barplot）简介

条形图主要用来比较不同类别间的数据差异，一条轴表示类别，另一条则表示对应的数值度量。

快速绘制

1. 基于seaborn

   import seaborn as sns
   import matplotlib.pyplot as plt
   
   # 导入数据
   tips = sns.load_dataset("tips")
   
   # 利用barplot函数快速绘制
   sns.barplot(
       x="total_bill", 
       y="day", 
       data=tips, 
       estimator=sum, 
       errorbar=None, 
       color='#69b3a2')
   
   plt.show()
   

   

2. 基于matplotlib

   import matplotlib.pyplot as plt
   
   # 导入数据
   tips = sns.load_dataset("tips")
   grouped_tips = tips.groupby('day')['total_bill'].sum().reset_index()
   
   # 利用bar函数快速绘制
   plt.bar(grouped_tips.day, grouped_tips.total_bill)
   
   plt.show()
   

   

3. 基于pandas

   import matplotlib.pyplot as plt
   import pandas as pd
   
   # 导入数据
   tips = sns.load_dataset("tips")
   grouped_tips = tips.groupby('day')['total_bill'].sum().reset_index()
   
   # 利用plot.bar函数快速绘制
   grouped_tips.plot.bar(x='day', y='total_bill', rot=0)
   
   plt.show()
   

   

定制多样化的条形图

自定义条形图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

通过seaborn绘制多样化的条形图

seaborn主要利用barplot绘制条形图，可以通过seaborn.barplot了解更多用法

1. 修改参数

   import seaborn as sns
   import matplotlib.pyplot as plt
   import numpy as np
   
   sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题
   
   # 导入数据
   tips = sns.load_dataset("tips")
   
   # 构造子图
   fig, ax = plt.subplots(2,2,constrained_layout=True, figsize=(8, 8))
   
   # 修改方向-垂直
   ax_sub = sns.barplot(
       y="total_bill", 
       x="day", 
       data=tips, 
       estimator=sum, 
       errorbar=None, 
       color='#69b3a2',
       ax=ax[0][0]
       )
   ax_sub.set_title('垂直条形图')
   
   # 自定义排序
   ax_sub = sns.barplot(
       y="total_bill", 
       x="day", 
       data=tips, 
       estimator=sum, 
       errorbar=None, 
       color='#69b3a2',
       order=["Fri","Thur","Sat","Sun"],
       ax=ax[0][1]
       )
   ax_sub.set_title('自定义排序')
   
   # 数值排序
   df = tips.groupby('day')['total_bill'].sum().sort_values(ascending=False).reset_index()
   ax_sub = sns.barplot(
       y="day", 
       x="total_bill", 
       data=df, 
       errorbar=None, 
       color='#69b3a2',
       order=df['day'],
       ax=ax[1][0]
       )
   ax_sub.set_title('数值排序')
   
   # 添加误差线
   ax_sub = sns.barplot(
       x="day", 
       y="total_bill", 
       data=tips, 
       estimator=np.mean, 
       errorbar=('ci', 85), 
       capsize=.2, 
       color='lightblue',
       ax=ax[1][1]
       )
   ax_sub.set_title('添加误差线')
   
   plt.show()
   

   

2. 分组条形图

   import seaborn as sns
   import matplotlib.pyplot as plt
   import numpy as np
   
   sns.set(style="darkgrid")
   
   # 导入数据
   tips = sns.load_dataset("tips")
   
   fig, ax = plt.subplots(figsize=(4, 4))
   
   # 分组条形图
   colors = ["#69b3a2", "#4374B3"]
   sns.barplot(x="day", y="total_bill", hue="smoker", data=tips, errorbar=None, palette=colors)
   
   plt.show()
   
   
   # 分组/子分组条形图
   sns.catplot(x="sex", y="total_bill"