Python数据可视化，seaborn如何做出非常规图表

前言

上一节(Python可视化，数据matplotlib最佳入门练习 )我们只是可视单纯使用 matplotlib 制作出以下图表：

每年小麦产量柱状图 使用不同颜色标记最小与最大值的柱子

但是，如果只是化s何制作标准的图表，我们有许多其他的出非常规选择。最常见的图表就是使用 seaborn ，他是数据基于 matplotlib 的包装。

这一节我们就来看看，可视如何使用 seaborn 生成标准图表，化s何然后结合 matplotlib 做出定制效果。出非常规

特别是图表多系列的情况下，会有一些技巧。数据

本文目标图表是可视这样：

2个系列。每个系列找出最小最大的化s何柱子，标记成不同的出非常规颜色

本文所需要的香港云服务器库如下：

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 没有特别的图表地方!

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亿华云计算容器就能看出关键：

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：

接下来我会继续编写更多非常规要求的图表，敬请关注!

云服务器