Seaborn Barplot - 显示值

Question

我希望了解如何在 Seaborn 中使用条形图来显示数据框中的值，而不是图表中的值

1) 我希望在数据框中显示一个字段的值，同时绘制另一个字段的值。例如，在下面，我正在绘制“tip”，但我想将“total_bill”的值放在每个条形上方的中心（即周五上方的 325.88， 周六以上1778.40等）

2) 有没有办法缩放条形的颜色，“total_bill”的最低值具有最亮的颜色（在本例中为星期五），而“total_bill”的最高值具有最暗的颜色。显然，当我进行缩放时，我会坚持使用一种颜色（即蓝色）。

谢谢！我敢肯定这很容易，但我很想念它..

虽然我看到其他人认为这是另一个（或两个）问题的重复，但我错过了如何使用不在图表中的值作为标签或阴影。怎么说呢，以total_bill为依据。很抱歉，但我无法根据这些答案弄清楚。

从下面的代码开始，

import pandas as pd
import seaborn as sns
%matplotlib inline
df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-    book/master/ch08/tips.csv", sep=',')
groupedvalues=df.groupby('day').sum().reset_index()
g=sns.barplot(x='day',y='tip',data=groupedvalues)

我得到以下结果：

临时解决方案：

for index, row in groupedvalues.iterrows():
    g.text(row.name,row.tip, round(row.total_bill,2), color='black', ha="center")

在 shading 上，使用下面的示例，我尝试了以下操作：

import pandas as pd
import seaborn as sns
%matplotlib inline
df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')
groupedvalues=df.groupby('day').sum().reset_index()

pal = sns.color_palette("Greens_d", len(data))
rank = groupedvalues.argsort().argsort() 
g=sns.barplot(x='day',y='tip',data=groupedvalues)

for index, row in groupedvalues.iterrows():
    g.text(row.name,row.tip, round(row.total_bill,2), color='black', ha="center")

但这给了我以下错误：

AttributeError: 'DataFrame' 对象没有属性 'argsort'

所以我尝试了修改：

import pandas as pd
import seaborn as sns
%matplotlib inline
df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')
groupedvalues=df.groupby('day').sum().reset_index()

pal = sns.color_palette("Greens_d", len(data))
rank=groupedvalues['total_bill'].rank(ascending=True)
g=sns.barplot(x='day',y='tip',data=groupedvalues,palette=np.array(pal[::-1])[rank])

这让我有了

IndexError：索引 4 超出轴 0 的范围，大小为 4

Answer 1

适用于单个斧头或斧头矩阵（子图）

from matplotlib import pyplot as plt
import numpy as np

def show_values_on_bars(axs):
    def _show_on_single_plot(ax):        
        for p in ax.patches:
            _x = p.get_x() + p.get_width() / 2
            _y = p.get_y() + p.get_height()
            value = '{:.2f}'.format(p.get_height())
            ax.text(_x, _y, value, ha="center") 

    if isinstance(axs, np.ndarray):
        for idx, ax in np.ndenumerate(axs):
            _show_on_single_plot(ax)
    else:
        _show_on_single_plot(axs)

fig, ax = plt.subplots(1, 2)
show_values_on_bars(ax)

Answer 2

matplotlib 3.4.0 中的新功能

现在有一个内置的Axes.bar_label 可以自动标记条形容器：

• 对于单组条形图，传递单条形容器：

  ax = sns.barplot(x='day', y='tip', data=groupedvalues)
  ax.bar_label(ax.containers[0])
  

• 对于多组条形图（使用hue），迭代多个条形容器：

  ax = sns.barplot(x='day', y='tip', hue='sex', data=df)
  for container in ax.containers:
      ax.bar_label(container)
  

更多细节：

• How to label count plots（sns.countplot 和 sns.catplot）
• How to label percentage counts (fmt 参数)
• How to label with commas as thousands separators (labels 参数)
• How to label thresholded bar plots
• How to label horizontal bar plots

---

按颜色排序的版本

有没有办法缩放条形的颜色，total_bill 的最小值具有最亮的颜色（在本例中为星期五），total_bill 的最大值具有最暗的颜色？

1. 查找每个total_bill 值的排名：

   • 要么使用Series.sort_values：

     ranks = groupedvalues.total_bill.sort_values().index
     # Int64Index([1, 0, 3, 2], dtype='int64')
     

   • 或者通过链接Series.sub来压缩Ernest的Series.rank版本：

     ranks = groupedvalues.total_bill.rank().sub(1).astype(int).array
     # [1, 0, 3, 2]
     

2. 然后使用ranks重新索引调色板：

   palette = sns.color_palette('Blues_d', len(ranks))
   ax = sns.barplot(x='day', y='tip', palette=np.array(palette)[ranks], data=groupedvalues)
   

Answer 3

让我们坚持链接问题 (Changing color scale in seaborn bar plot) 中的解决方案。您想使用 argsort 来确定用于条形着色的颜色顺序。在链接的问题中，argsort 应用于一个 Series 对象，它工作正常，而在这里你有一个 DataFrame。因此，您需要选择该 DataFrame 的一列来应用 argsort。

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

df = sns.load_dataset("tips")
groupedvalues=df.groupby('day').sum().reset_index()

pal = sns.color_palette("Greens_d", len(groupedvalues))
rank = groupedvalues["total_bill"].argsort().argsort() 
g=sns.barplot(x='day',y='tip',data=groupedvalues, palette=np.array(pal[::-1])[rank])

for index, row in groupedvalues.iterrows():
    g.text(row.name,row.tip, round(row.total_bill,2), color='black', ha="center")

plt.show()

---

第二次尝试也很好，唯一的问题是rank() 返回的排名从1 开始而不是零。所以必须从数组中减去 1。同样对于索引，我们需要整数值，所以我们需要将其转换为int。

rank = groupedvalues['total_bill'].rank(ascending=True).values
rank = (rank-1).astype(np.int)

Answer 4

如果有人对标记水平条形图感兴趣，我将Sharon's answer修改如下：

def show_values_on_bars(axs, h_v="v", space=0.4):
    def _show_on_single_plot(ax):
        if h_v == "v":
            for p in ax.patches:
                _x = p.get_x() + p.get_width() / 2
                _y = p.get_y() + p.get_height()
                value = int(p.get_height())
                ax.text(_x, _y, value, ha="center") 
        elif h_v == "h":
            for p in ax.patches:
                _x = p.get_x() + p.get_width() + float(space)
                _y = p.get_y() + p.get_height()
                value = int(p.get_width())
                ax.text(_x, _y, value, ha="left")

    if isinstance(axs, np.ndarray):
        for idx, ax in np.ndenumerate(axs):
            _show_on_single_plot(ax)
    else:
        _show_on_single_plot(axs)

两个参数解释：

h_v - 条形图是水平的还是垂直的。 "h" 代表水平条形图，"v" 代表垂直条形图。

space - 值文本和条形顶部边缘之间的空间。仅适用于水平模式。

示例：

show_values_on_bars(sns_t, "h", 0.3)

Answer 5

plt.figure(figsize=(15,10))
graph = sns.barplot(x='name_column_x_axis', y="name_column_x_axis", data = dataframe_name ,  color="salmon")
for p in graph.patches:
        graph.annotate('{:.0f}'.format(p.get_height()), (p.get_x()+0.3, p.get_height()),
                    ha='center', va='bottom',
                    color= 'black')

Answer 6

希望这对项目 #2 有所帮助： a）您可以按总账单排序，然后将索引重置为该列 b) 使用palette="Blue" 使用此颜色将图表从浅蓝色缩放到深蓝色（如果深蓝色到浅蓝色，则使用palette="Blues_d"）

import pandas as pd
import seaborn as sns
%matplotlib inline

df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-book/master/ch08/tips.csv", sep=',')
groupedvalues=df.groupby('day').sum().reset_index()
groupedvalues=groupedvalues.sort_values('total_bill').reset_index()
g=sns.barplot(x='day',y='tip',data=groupedvalues, palette="Blues")

Answer 7

一个简单的方法是添加以下代码（针对 Seaborn）：

for p in splot.patches:
    splot.annotate(format(p.get_height(), '.1f'), 
                   (p.get_x() + p.get_width() / 2., p.get_height()), 
                   ha = 'center', va = 'center', 
                   xytext = (0, 9), 
                   textcoords = 'offset points') 

例子：

splot = sns.barplot(df['X'], df['Y'])
# Annotate the bars in plot
for p in splot.patches:
    splot.annotate(format(p.get_height(), '.1f'), 
                   (p.get_x() + p.get_width() / 2., p.get_height()), 
                   ha = 'center', va = 'center', 
                   xytext = (0, 9), 
                   textcoords = 'offset points')    
plt.show()

Answer 8

import seaborn as sns

fig = plt.figure(figsize = (12, 8))
ax = plt.subplot(111)

ax = sns.barplot(x="Knowledge_type", y="Percentage", hue="Distance", data=knowledge)

for p in ax.patches:
    ax.annotate(format(p.get_height(), '.2f'), (p.get_x() + p.get_width() / 2., p.get_height()), 
       ha = 'center', va = 'center', xytext = (0, 10), textcoords = 'offset points')