Python教程-Python中的Countplot

在本文中，我们将讨论如何使用seaborn库创建countplot，以及如何使用不同的参数从我们的数据集特征中推断结果。

Seaborn库

seaborn库广泛用于数据分析，它包含的众多图形为我们的数据提供了最佳的表示。

可以使用以下方式将seaborn库导入我们的工作环境：

import seaborn as sns  

现在，让我们讨论为什么要使用countplot以及其参数的重要性。

Countplot

Countplot用于表示分类变量中出现的观察次数（计数）。

它使用柱状图的概念进行可视化呈现。

参数

在创建countplot时，我们可以指定以下参数，让我们简要了解它们：

1. x和y： 此参数指定我们用于表示的数据，然后观察突出显示的模式。
2. color： 此参数指定可为我们的图形提供良好外观的颜色。
3. palette： 它采用调色板的值。它主要用于显示色调变量。
4. hue： 此参数指定列名。
5. data： 此参数指定我们希望用于表示的数据帧。例如，数据可以是一个数组。
6. dodge： 此参数是可选的，接受布尔值作为输入。
7. saturation： 此参数接受浮点数值。当我们指定此参数时，可以观察颜色强度的变化。
8. hue_order： 参数hue_order接受字符串作为输入。
9. kwargs： 参数kwargs指定键值映射。
10. ax： 参数ax是可选的，用于创建图形的轴。
11. orient： 参数orient是可选的，指定我们需要的图的方向，水平或垂直。

现在让我们看看如何以不同方式表示我们的属性。

在第一个示例中，我们将为单个变量创建一个countplot。我们使用了数据集'tips'来实现相同的功能。

1. 单个变量的值计数

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'tips'  
df=pd.read_csv("/content/tips.csv")  
#plotting the graph  
sns.countplot(x='sex',data=df)  
plt.show() 

输出：

在下一个示例中，我们将使用hue参数创建一个countplot。

以下程序演示了相同的功能：

2. 使用hue参数表示两个分类变量

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'tips'  
df=pd.read_csv("/content/tips.csv")  
#plotting the graph  
sns.countplot(x='sex',hue='smoker',data=df)  
plt.show()  

输出：

在下一个示例中，我们将考虑y轴，并创建一个水平的countplot。

以下程序演示了相同的功能：

3. 创建水平图

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'tips'  
df=pd.read_csv("/content/tips.csv")  
#plotting the graph  
sns.countplot(y='sex',hue='smoker',data=df)  
plt.show()  

输出：

现在让我们看看颜色调色板如何提升数据的呈现。

在下一个示例中，我们将使用"palette"参数。

以下程序演示了相同的功能：

4. 使用调色板

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'tips'  
df=pd.read_csv("/content/tips.csv")  
#plotting the graph  
sns.countplot(x='sex', data=df, palette='Set1')  
plt.show()  

输出：

在下一个示例中，我们将使用参数"color"，让我们看看它是如何工作的。

以下程序演示了相同的功能：

5. 使用参数'color'

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'train'  
df=pd.read_csv("/content/train.csv")  
#plotting the graph  
sns.countplot(x='Pclass',hue='Sex', data=df, color='green')  
plt.show()  

输出：

现在，我们将使用参数'saturation'，并查看它如何影响数据的呈现。

以下程序演示了相同的功能：

6. 使用参数'saturation'

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'train'  
df=pd.read_csv("/content/train.csv")  
#plotting the graph  
sns.countplot(x='Pclass',data=df, color='green', saturation=0.1)  
plt.show()  

输出：

最后，在最后一个示例中，我们将使用参数linewidth和edgecolor。

• 使用matplotlib.axes.Axes.bar()

示例：

import matplotlib.pyplot as plt  
import seaborn as sns  
import pandas as pd  
#loading the dataset 'train'  
df=pd.read_csv("/content/train.csv")  
sns.countplot(x='Sex', data=df, color="green", facecolor=(0,0,0,0), linewidth=5, edgecolor=sns.color_palette("BrBG",2))  
plt.show() 

输出：