1、条形图

条形图用于显示离散变量的值。在排名分析中，它可以用来表示不同类别的数量或平均值。使用barplot()绘制条形图的函数，常用参数如下，

使用示例：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 生成示例数据集
tips =  pd.DataFrame({
    'total_bill': [16.99, 10.34, 21.01, 23.68, 24.59],
    'tip': [1.01, 1.66, 3.50, 3.31, 3.61],
    'sex': ['Female', 'Male', 'Male', 'Male', 'Female'],
    'smoker': ['No', 'Yes', 'No', 'Yes', 'No'],
    'day': ['Sun', 'Thur', 'Sat', 'Sun', 'Fri'],
    'size': [2, 3, 3, 2, 4]
})

# 设置 seaborn 样式
sns.set(style="whitegrid")

sns.barplot(x="day", 
            y="total_bill", 
            hue="sex", 
            data=tips, 
            order=["Thur", "Fri", "Sat", "Sun"], 
            hue_order=["Female", "Male"],
            estimator=sum, 
            ci=95, 
            n_boot=1000, 
            orient="v", 
            color="blue", 
            palette="deep", 
            saturation=0.5, 
            errcolor="gray", 
            errwidth=1, 
            capsize=0.1, 
            dodge=True)

# 添加图表标题和标签
plt.title('cjavapy')

plt.draw()

# 展示图表
plt.show()

2、计数图

计数图是条形图的一个特例，用于显示每个类别的观察数量。使用 countplot() 绘制计数图用于显示类别变量中每个类别的观察数量。常用参数如下，

使用示例：

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

# 创建示例数据
np.random.seed(0)
data = pd.DataFrame({
    'Fruit': np.random.choice(['Apple', 'Banana', 'Orange', 'Grapes'], size=100),
    'Gender': np.random.choice(['Male', 'Female'], size=100)
})

# 创建 countplot
plt.figure(figsize=(10, 6))
sns.countplot(
    data=data,
    x='Fruit',
    hue='Gender',
    order=['Apple', 'Banana', 'Orange', 'Grapes'],  # 控制主分类的顺序
    hue_order=['Male', 'Female'],  # 控制hue分类的顺序
    orient='v',
    color='blue',
    palette='Set1',  # 颜色板
    saturation=0.8,
    dodge=True  # 分开显示每个 hue 类别
)

# 添加标题
plt.title('cjavapy')
plt.draw()
plt.show()

3、线图

数据点是连续的或有时间序列时，线图是一个好选择。它可以展示趋势和排名的变化。使用lineplot() 是 Seaborn 中用于绘制线性数据的一个非常有用的函数。常用参数如下，

使用示例：

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

# 生成示例数据
np.random.seed(0)
dates = pd.date_range('20210101', periods=100)
data = pd.DataFrame({
    'Date': dates,
    'Value': np.random.randn(100).cumsum(),
    'Category': np.random.choice(['A', 'B', 'C'], 100)
})

# 绘制线图
sns.set_theme(style="whitegrid")
lineplot = sns.lineplot(
    x='Date', 
    y='Value', 
    hue='Category', 
    style='Category', 
    markers=True, 
    dashes=False, 
    data=data
)

# 设置图表标题和标签
lineplot.set_title('cjavapy')
lineplot.set_xlabel('Date')
lineplot.set_ylabel('Value')

# 显示图表
sns.despine()

plt.draw()
plt.show()