Countplot usando seaborn en Python

Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido en la parte superior de la biblioteca matplotlib y también está estrechamente integrado a las estructuras de datos de pandas .
 

Seaborn.countplot()

El método seaborn.countplot() se utiliza para mostrar los recuentos de observaciones en cada contenedor categórico mediante barras.
 

Sintaxis: seaborn.countplot(x=Ninguno, y=Ninguno, hue=Ninguno, data=Ninguno, order=Ninguno, hue_order=Ninguno, orient=Ninguno, color=Ninguno, palette=Ninguno, saturación=0.75, dodge=True, ax=Ninguno, **kwargs)
Parámetros: este método acepta los siguientes parámetros que se describen a continuación: 
 

• x, y: Este parámetro toma nombres de variables en datos o datos vectoriales, opcional, Entradas para graficar datos de formato largo.
• matiz: (opcional) Este parámetro toma el nombre de la columna para la codificación de color.
• datos: (opcional) este parámetro toma DataFrame, array o lista de arrays, conjunto de datos para trazar. Si x e y están ausentes, esto se interpreta como formato ancho. De lo contrario, se espera que sea de formato largo.
• order, hue_order : (opcional) Este parámetro toma listas de strings. Orden para trazar los niveles categóricos; de lo contrario, los niveles se deducen de los objetos de datos.
• orient : (opcional)Este parámetro toma “v” | “h”, Orientación de la parcela (vertical u horizontal). Esto generalmente se deduce del tipo de las variables de entrada, pero se puede usar para especificar cuándo la variable «categórica» ​​es numérica o cuando se grafican datos de formato ancho.
• color : (opcional) Este parámetro toma matplotlib color, Color para todos los elementos o semilla para una paleta de degradado.
• paleta: (opcional) Este parámetro toma el nombre de la paleta, lista o dictado, Colores para usar para los diferentes niveles de la variable de tono. Debería ser algo que pueda ser interpretado por color_palette(), o un diccionario que mapee los niveles de tono a los colores matplotlib.
• saturación: (opcional) Este parámetro toma valor flotante, proporción de la saturación original para dibujar colores. Los parches grandes a menudo se ven mejor con colores ligeramente desaturados, pero establezca esto en 1 si desea que los colores de la trama coincidan perfectamente con la especificación de color de entrada.
• dodge: (opcional) este parámetro toma valor bool, cuando se usa el anidamiento de tonos, si los elementos deben desplazarse a lo largo del eje categórico.
• hacha: (opcional) este parámetro toma matplotlib Axes, el objeto Axes para dibujar el gráfico, de lo contrario, usa los ejes actuales.
• kwargs: este parámetro toma la clave, las asignaciones de valores, otros argumentos de palabras clave se pasan a través de matplotlib.axes.Axes.bar().

Devoluciones: devuelve el objeto Axes con el gráfico dibujado en él.
 

Los siguientes ejemplos ilustran el método countplot() de la biblioteca seaborn.

Agrupación de variables en Seaborn countplot con diferentes atributos

Ejemplo 1: Mostrar recuentos de valores para una única variable categórica. 

Si usamos solo una variable de datos en lugar de dos variables de datos, significa que el eje denota cada una de estas variables de datos como un eje.

X denota un eje x e y denota un eje y.

Sintaxis: 

seaborn.countplot(x)

# importing the required library
 
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a tips.csv file from seaborn library
df = sns.load_dataset('tips')
 
# count plot on single categorical variable
sns.countplot(x ='sex', data = df)
 
# Show the plot
plt.show()

Producción : 
 

Ejemplo 2: Mostrar recuentos de valores para dos variables categóricas y usar el parámetro de matiz:

Si bien los puntos se trazan en dos dimensiones, se puede agregar otra dimensión al gráfico coloreando los puntos de acuerdo con una tercera variable.

Sintaxis:

seaborn.countplot(x, y, matiz, datos);

# importing the required library
 
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a tips.csv file from seaborn library
df = sns.load_dataset('tips')
 
# count plot on two categorical variable
sns.countplot(x ='sex', hue = "smoker", data = df)
 
# Show the plot
plt.show()

Producción : 
 

Ejemplo 3: traza las barras horizontalmente. 

En el ejemplo anterior, vemos cómo trazar un solo gráfico de conteo horizontal y aquí podemos realizar múltiples gráficos de conteo horizontales con el intercambio de la variable de datos con otro eje.
 

# importing the required library
 
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a tips.csv file from seaborn library
df = sns.load_dataset('tips')
 
# count plot along y axis
sns.countplot(y ='sex', hue = "smoker", data = df)
 
# Show the plot
plt.show()

Producción : 
 

Ejemplo 4: Use diferentes atributos de la paleta de colores. 

Usando la paleta podemos generar el punto con diferentes colores . En este ejemplo a continuación, podemos ver que la paleta puede ser responsable de generar el gráfico de conteo con diferentes valores de mapa de colores.

Sintaxis:

seaborn.countplot(x, y, data, hue, palette)
 

# importing the required library
 
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a tips.csv file from seaborn library
df = sns.load_dataset('tips')
 
# use a different colour palette in count plot
sns.countplot(x ='sex', data = df, palette = "Set2")
 
# Show the plot
plt.show()

Producción : 
 

Los posibles valores de la paleta son:

Acento, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r,

GnBu, GnBu_r, Verdes, Verdes_r, Grises, Grises_r, OrRd, OrRd_r, Naranjas, Naranjas_r, PRGn, PRGn_r, Emparejado, Emparejado_r,

Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r,

Morados, Morados_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Rojos, Reds_r, Set1,

Set1_r, Set2, Set2_r, Set3, Set3_r, espectral, espectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr,

YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, otoño, otoño_r, binario, binario_r, hueso, hueso_r, brg, brg_r, bwr, bwr_r,

cividis, cividis_r, guay, cool_r, coolwarm, coolwarm_r, cobre, cobre_r, cubehelix, cubehelix_r, bandera, flag_r, gist_earth,

gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, 

Ejemplo 5: usando un parámetro de color en la trama.

Usando atributos de color somos Color para todos los elementos.

Sintaxis:

seaborn.countplot(x, y, datos, color)

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn library
df = sns.load_dataset('titanic')
 
sns.countplot(x = 'class', y = 'fare',
            hue = 'sex',
            data = df,color="salmon")
 
# Show the plot
plt.show()

Producción:

Ejemplo 6: Uso de un parámetro de saturación en el gráfico.

Proporción de la saturación original para dibujar colores. Los parches grandes a menudo se ven mejor con colores ligeramente desaturados, pero establezca esto en 1 si desea que los colores de la trama coincidan perfectamente con la especificación de color de entrada.

Sintaxis:

seaborn.colorplot(x, y, datos, saturación)

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn library
df = sns.load_dataset('titanic')
 
# class v / s fare barplot
sns.countplot(x ='sex', data = df,
              color="salmon",
              saturation = 0.1)
# Show the plot
plt.show()

Producción:

Ejemplo 7: Utilice los parámetros matplotlib.axes.Axes.bar() para controlar el estilo.

Podemos establecer el Ancho de las líneas grises que enmarcan los elementos de la trama usando el ancho de línea. Cada vez que aumentamos el ancho de línea, el punto también aumentará automáticamente.

Sintaxis:

seaborn.countplot(x, y, data, linewidth, edgecolor)

# importing the required library
import seaborn as sns
import matplotlib.pyplot as plt
 
# read a titanic.csv file
# from seaborn library
df = sns.load_dataset('titanic')
 
# class v / s fare barplot
sns.countplot(x ='sex', data = df,color="salmon", facecolor=(0, 0, 0, 0),
                   linewidth=5,
                   edgecolor=sns.color_palette("BrBG", 2))
# Show the plot
plt.show()

Producción:

Mapa de colores Los valores posibles son:  

Acento, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r,  

CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Verdes, Verdes_r, Grises, Grises_r,  

OrRd, OrRd_r, Naranjas, Naranjas_r, PRGn, PRGn_r, Emparejado, Emparejado_r, Pastel1, Pastel1_r,  

Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd,

PuRd_r, Púrpuras, Púrpuras_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r,

RdYlGn, RdYlGn_r, Rojos, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Espectral,