本篇文章为大家展示了Python中怎么利用seaborn实现数据可视化，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

成都创新互联公司专注于中大型企业的成都网站设计、做网站和网站改版、网站营销服务，追求商业策划与数据分析、创意艺术与技术开发的融合，累计客户近千家，服务满意度达97%。帮助广大客户顺利对接上互联网浪潮，准确优选出符合自己需要的互联网运用，我们将一直专注品牌网站制作和互联网程序开发，在前进的路上，与客户一起成长！

本文目标图表是这样：

2个系列。每个系列找出最小最大的柱子，标记成不同的颜色

本文所需要的库如下：

数据是这样子：

上一节做的事情如下：

• 设置 x 轴标签的旋转角度

• 设置某个指定柱状图的柱子颜色

简单把这些事情包装成函数：

使用 seaborn 的代码，实际与上一节直接使用 matplotlib 差不多：

看起来 seaborn 没有特别的地方!

这是因为我们只有一个系列(上图只涉及2个维度：wheat 与 year)

多系列

稍微修改一下数据，

• 行3、4、5：复制一份数据，小麦产量随机生成

• 行7、8：新增一个列"type"，把数据划分成2类："原始" 、"修改"

• 行10：合并成一份数据

• 行12：避免数据太多，图表不利于阅读，我只保留1750年以后的数据

现在数据成这样：

每个年份都有2行记录，字段"type"可以区分他们

使用 seaborn 可以非常方便映射多个维度的数据：

行1：hue 是类别映射，通常如果有一个列数据是文本，就可以映射上去。这里把数据中的"type"字段映射

图表成这样子：

显然没有标记出最大值的柱子

同时也提示执行有错误

如果我们查看图表的容器就能看出关键：

原来，seaborn 柱子分成2组。这是非常合理的

但数据范围索引，却是在整个数据共27行中查找

显然，我们需要是2组的范围索引：

语义非常清晰直白

但是，怎么准确从图表容器中找到需要的 BarContainer：

行7与行12：里面的 0 和 1 都是猜测的

原来，seaborn 在生成这些容器时，给容器的 label 属性写入了对应的数据值(就是我们数据的"type"字段)：

注意，你不能使用 key 索引方式获取，比如写: axcontainers['修改'] ，这会报错

万事俱备，定义如下函数：

现在调用变得非常简单:

图表成这样子：

上述内容就是Python中怎么利用seaborn实现数据可视化，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。

网站标题：Python中怎么利用seaborn实现数据可视化
当前路径：http://ybzwz.com/article/jppdgp.html