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数据集的特征中推断结果。

海底图书馆

seaborn library 在数据分析师中被广泛使用，它包含的一系列图提供了我们数据的最佳表示。

可以使用以下方法将 Seaborn 库导入到我们的工作环境中

 import seaborn as sns 

现在让我们讨论为什么我们使用 countplot，以及它的参数有什么意义。

计数图

countplot 用于表示分类变量中观察结果的出现(计数)。

它使用条形图的概念进行视觉描绘。

参数-

创建 countplot 时指定了以下参数，让我们简单了解一下它们-

1. x 和 y- 该参数指定了我们参考表示的数据，然后观察高亮显示的模式。
2. 颜色- 这个参数指定了可以给我们的剧情一个好的外观的颜色。
3. 调色板- 取调色板的值。它主要用于显示色调变量。
4. 色相- 此参数指定列名。
5. 数据- 该参数指定了我们想要用于表示的数据帧。例如，数据可以是一个数组。
6. 闪避- 这个参数是可选的，它接受一个布尔值作为输入。
7. 饱和度- 该参数接受浮点值。当我们指定这一点时，可以观察到颜色强度的变化。
8. 色相 _ 顺序- 参数色相 _ 顺序以字符串为输入。
9. kwargs- 参数 kwargs 指定键和值映射。
10. ax- 参数 ax 是可选参数，用于获取创建地块的轴。
11. orient- 参数 orient 是可选的，告诉我们需要的图的方向，水平的还是垂直的。

现在让我们看看有哪些不同的方式来表示我们的属性。

在第一个示例中，我们将为单个变量创建 countplot。我们采用数据集“提示”来实现同样的功能。

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，我们将使用色调参数并创建 countplot。

下面的程序说明了同样的情况-

2.用色调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:

在下一个例子中，我们将考虑 y 轴并创建一个水平 countplot。

下面的程序说明了同样的情况-

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:

现在让我们来看看调色板如何增强数据的呈现。

在下一个例子中，我们将使用参数“调色板”。

下面的程序说明了同样的情况-

4.使用调色板

输入-

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:

在下一个例子中，我们将使用参数 color，让我们看看它是如何工作的？

下面的程序说明了同样的情况-

5.使用参数“颜色”

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“饱和度”，看看它如何影响我们的数据表示。

下面的程序说明了同样的情况-

6.使用参数“饱和度”

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:

最后在最后一个例子中，我们将使用参数线宽和边缘颜色。

• 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: