前言
昨天在浏览www.hltv.org网站的csgo选手数据时看到了这样一幅图，图上包含有选手的六项数据，分别为KPR（平均每回合击杀），DPR（平均每回合死亡），KAST（助攻综合百分比），IMPACT（影响力），ADR（平均每回合输出），Rating 2.0（综合得分），从这图上可以看出KPR，DPR，IMPACT和RATING2.0为同一类型的输出（保留两位小数），KAST以百分比输出，ADR的范围在0到100多之间， 它们是不同量纲的数据，但是图上却有一条灰色的平均线，同时， 数据的大小影响到了该数据条的颜色，这样的图是怎么画出来的呢？能不能用python的Seaborn画出这样的图呢？
; 流程
作图之前，我们需要先弄清楚， 默认的作图和我们想要的作图之间到底存在什么样的 不同之处？
看官网示例的作图：
第一，Y轴的额外标签（total_bill）和X轴的额外标签（day）应该去掉。
第二，Y轴的刻度标签应该去掉（0，5，10，15，20）。
第三，每个条形图上方应该存在数据标签而不是黑色竖直误差条。
第四，背景的刻度线应该淡化，Y轴该去掉刻度。
第五，应该存在一条共同的平均线，同时添加上文字标签放置在灰色线条的左侧。
第六，根据数值大小进行颜色变换。
关于 第五点，我们可以看出这条共同的平均线其实可以用 标准化后的各项数据表示，什么意思呢？进行正态变换，正态化后 平均数=0，不就有共同的标准线了吗？同时 第六点也有了解决思路，那就是比如高于一个标准差，高于两个标准差，高于三个标准差分别用不同的颜色。
seaborn.barplot(*, x=None, y=None, hue=None, data=None, order=None, hue_order=None,
estimator=<function mean at 0x7fecadf1cee0>,
ci=95, n_boot=1000, units=None, seed=None, orient=None,
color=None, palette=None, saturation=0.75, errcolor='.26', errwidth=None,
capsize=None, dodge=True, ax=None, **kwargs)
官网中对于seaborn这个画图的函数有许多参数可以定义，在这里我们只关注x,y,hue,data这三个参数，这里我们先把数据准备成官网范例中输入的DateFrame样式。
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.DataFrame()
df['data']=[2.67129444, 1.24857579, 2.11691103, 2.92484313, 2.80181327,3.1691944]
df['skill']=['KPR','DPR','KAST','IMPACT','ADR','Rating 2.0']
df['Category']=[1,0,1,1,1,2]
df
运行后得到以下输出：
第一列为已经标准化后的数据y，第二列为我们要的标签名x，第三列是我们定义好的类别轴hue，这里方便演示把高于一个标准差小于两个设为0，高于两个设为1，高于三个设为2。我们先按照官网示例的方法输入以下代码：
sns.barplot(x='skill',y='data',hue='Category',data = df , palette='Blues',dodge=False)
这里传入参数的时候有个data = df，表示传入我们要用的数据框（DataFrame），x,y,hue则以 取列名的方式传入参数，其实等同于x=df[‘skill’]，传入了一个Series。在这种情况下作图得出的结果：
会带有额外标签data和skill，显然不是我们想要的结果。如何去掉？这里我们只需要传入单纯的数组（array）就可以了。
sns.barplot(x=df['skill'].values,y=df['data'].values,hue=df['Category'].values,palette='Blues',dodge=False)
当一个Series加上.values属性，取出来的数值就是单纯的array，如下：
X轴和Y轴的额外标签没有了！
在此，我们已经完成了 第六点（通过hue这个类别轴属性）和 第一点（画图时传入数组而非Series），但是也多出了一点，那就是一个莫名其妙跟随类别轴出现的图例。
不过接下来，我们先看 第四点，背景的刻度线淡化以及Y轴去掉刻度。
等等，这图上也没有刻度线啊？？‘
别急，首先需要对它的整体布局进行一个调整，
sns.set(style="whitegrid")
这个style可以有白色带网格（我们要的），黑色带网格，白色不带网格，黑色不带网格四种，具体英文名搜一下都有这里不赘述了。效果如下：
有了刻度线，就可以进行淡化和Y轴去刻度问题了，我们用matplotlib库的一个功能即可解决：
plt.tick_params(labelleft=False,grid_alpha=0.2)
tick_params包含很多可选参数，这里我们传入labelleft=False，表示左侧的刻度关闭，如果想更改其他方向同理把left换成right,bottom,top就行。grid_aplha表示刻度线透明度，这里我们设定为0.2，效果如下：
怎么样，很接近了对吗，但是这个 边框它没有消失啊，没关系，用Seaborn的despine函数即可解决：
sns.despine(top=True, right=True, left=True, bottom=True)
在这个参数中我们把 上边，右边，左边，下边四个方向的轴全部设置为 True，就去掉了它。
接下来去除图中目前最碍眼的部分即 图例：
ax = plt.legend() #获取图中的图例为ax
ax.remove() #调用remove方法去除
现在只剩下第三点和第五点了，添加数据标签和一条带标签的灰色横线，它们都共同用到了plt.text方法添加文字标签，先添加带标签的灰色横线：
df['data']=df['data']+1
plt.axhline(y=1,ls="-", lw=2, c="darkgrey")
plt.text(-1,1,"Avg")
在说明之前需要明白，我们这里的平均线实际上是0，但我们不能把它画在X轴，看不到，那么一个好的方法就是 把我们的df的data数据先全加上1，再把平均值设为1。
plt.axhline方法画了一条横向的直线，这里在y=1处画，设置线条属性为”-“形状，宽度为2，颜色为深灰的直线。
plt.text方法生成了一个在x=-1,y=1处的文字标签，我们把它命名为”Avg”。
效果如下：
接下来规范化输出数据标签，前面也提过量纲不同，所以需要输出标准化之前不同的 原始数据值。
df1 = pd.Series([1.942354,0.370536,0.997880,1.400000,180.000000,1.437307]) #原始数据
for x,y in zip((0,1,3,5),(0,1,3,5)):
plt.text(x-0.2,df['data'][y]+0.08,'{:.2f}'.format(df1[y]),color = 'black') #保留两位小数
plt.text(1.7,df['data'][2]+0.08,'{:.2%}'.format(df1[2]),color = 'black') #保留两位小数同时百分号输出
plt.text(3.85,df['data'][4]+0.08,int(df1[4]),color = 'black') #整数输出
plt.text函数前两个参数是坐标值，这里我们需要一个合适的美观的坐标值，x轴就根据1，2，3，4，5的特殊位置进行调整，y轴就根据每列的Y值再往上一点点就可以，color属性设置文字颜色，这里用黑色。由于KPR（0），DPR（1），IMPACT（3），Rating2.0（5）的轴是同一种输出方式，所以就用循环进行处理，再单独处理KAST（2）和ADR（4）就可以了。
结果如下：
最后一步，也就是看个人喜好的一步，调整颜色板：
sns.barplot(x=df['skill'].values,y=df['data'].values,hue=df['Category'].values,palette='Blues',dodge=False)
也就是其中的palette参数，这里我用的是蓝色’Blues’，如果想反转颜色变化方向就用’Blues_r’，此外还有sns.color_palette()，sns.cubehelix_palette()等多种色板可以调整。
比如：
palette1 = sns.color_palette("pastel") #建立一个调色板
sns.barplot(x=df['skill'].values,y=df['data'].values,hue=df['Category'].values,palette=palette1,dodge=False)
只需要先建立一个调色板，再把它传入palette参数就可以了，效果如下：
总结
临时起意作图，经过了上百次调试之后不仅对pandas的数据结构有了更深刻的理解，也学会了很多作图的新技巧，本文所用的function总结如下：
sns.barplot(x,y,hue,palette,dodge)
sns.set(style)
plt.tick_params(labelleft,grid_alpha)
sns.despine(top,right,left,bottom)
plt.legend().remove()
plt.axhline(y,ls,lw,c)
plt.text(x,y,label,color)
你学会了吗？
Original: https://blog.csdn.net/weixin_43945848/article/details/114659606
Author: XINFINFZ
Title: Python的seaborn和matplotlib作图之barplot条形图高级实战DIY技巧详解
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/767060/
转载文章受原作者版权保护。转载请注明原作者出处！