python簇状柱形图_Python：matplotlib 和 Seaborn 之簇状柱形图、分面 (三十五)

最新推荐文章于 2024-03-18 14:57:17 发布

最新推荐文章于 2024-03-18 14:57:17 发布 · 1.4k 阅读

文章标签：

本文介绍了如何使用Seaborn和Matplotlib库创建簇状柱形图，以展示两个分类变量间的关系。通过`countplot`函数，展示了如何通过'hue'参数添加第二个分类变量，以及如何调整图例位置。此外，还探讨了热图作为另一种表示方式，并使用`heatmap`函数创建热图，强调了添加注释以提高可读性的方法。最后，文章介绍了分面技术，通过`FacetGrid`创建分面图形，便于比较不同分类变量级别的数值变量分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

簇状柱形图

为了描绘两个分类变量之间的关系，我们可以将在上节课见到的单变量条形图扩展为簇状柱形图。和标准条形图一样，我们依然需要描绘每组的数据点计数，但是每组现在是两个变量的标签组合。因此我们需要按照某种顺序整理长条，使图形容易解释。在簇状柱形图中，我们根据第一个变量的级别将长条分成一簇，然后在每个簇内根据第二个变量对长条进行排序。使用 seaborn 的 countplot 函数通过一个示例来讲解最容易理解。要使图形从单变量图形变成双变量图形，我们用 "hue" 参数添加第二个变量：

sb.countplot(data = df, x = 'cat_var1', hue = 'cat_var2')

第一个分类变量用很宽泛的 x 轴表示(对照组、实验 A、实验 B)。在每组绘制三个长条，第二个分类变量的每个级别对应一个长条(低、中、高)。用颜色区分每个级别，并在图形的右上角用图例记录。图形告诉我们三个 "cat_var1" 群组在 "cat_var2" 级别的频率分布很平衡，虽然 "实验 A" 组与另外两组相比，中间点(橙色中心长条)的计数稍微低些。

但是，该示例中的图例位置有点干扰性。我们可以使用 Axes 方法设置 countplot 返回的 Axes 对象的 legend 属性。

ax = sb.countplot(data = df, x = 'cat_var1', hue = 'cat_var2')

ax.legend(loc = 8, ncol = 3, framealpha = 1, title = 'cat_var2')

其他方法(热图)

描绘两个分类变量之间关系的另一种方式是热图。之前我们介绍热图是直方图的二维版本；现在我们将其当做条形图的二维版本。seaborn 函数 heatmap 可以轻松地实现这种类型的热图，但是输入参数与我们在这门课程中介绍的大部分可视化函数不一样。我们需要将计