频率计数图 (countplot)

在探索分类数据时，一项常见的任务是统计数据集中每个唯一类别出现的次数。这项任务对于初步数据探索至关重要。例如，您可能想计算来自不同地区的客户数量、不同传感器读数的频率，或者，在常用的练习数据集中，统计一周中不同日期的就餐团体数量。

Seaborn 为此提供了一个方便的函数：countplot。它直接作用于您的数据，计算每个类别内的出现次数，然后将这些计数显示为条形，外观类似于条形图，但代表的是频率而非聚合值。

使用 seaborn.countplot

让我们看看如何使用 countplot。我们假设您有一个包含分类数据的 Pandas DataFrame。常见的做法是将 Seaborn 导入为 sns，将 Matplotlib 的 pyplot 模块导入为 plt。我们也经常直接从 Seaborn 加载示例数据集。

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

# 从 Seaborn 加载一个示例数据集
tips = sns.load_dataset("tips")

# 显示前几行以了解数据
print(tips.head())

tips 数据集包含关于餐厅小费的信息，包括“day”、“sex”、“smoker”和“time”等分类列。

要创建一个显示一周中每天条目数量的计数图，您将 DataFrame 传递给 data 参数，并将列名（在此例中为“day”）指定给 x 参数：

# 为“day”列创建一个计数图
plt.figure(figsize=(8, 5)) # 可选：调整图形大小
sns.countplot(x='day', data=tips, palette=['#74c0fc', '#4dabf7', '#339af0', '#228be6'])
plt.title('每天记录的小费数量')
plt.xlabel('星期几')
plt.ylabel('计数')
plt.show()

这段代码生成了一个图表，每个条形的高度对应于 tips DataFrame 中特定日期的行数（记录数）。

tips 数据集中每天的记录频率。周六的记录最多，而周五的最少。

水平绘制计数图

就像 barplot 一样，您可以通过将分类列名分配给 y 参数而非 x 来创建水平计数图：

# 为“smoker”列创建一个水平计数图
plt.figure(figsize=(7, 4))
sns.countplot(y='smoker', data=tips, palette=['#ffc9c9', '#ff8787'])
plt.title('吸烟者与非吸烟者计数')
plt.xlabel('计数')
plt.ylabel('吸烟者')
plt.show()

使用 hue 添加另一个分类维度

countplot 也支持 hue 参数，允许您比较跨越第二个分类变量的计数。例如，我们可以查看每天吸烟者和非吸烟者的分布情况：

# 为“day”创建一个计数图，以“smoker”作为色相
plt.figure(figsize=(9, 6))
sns.countplot(x='day', hue='smoker', data=tips, palette=['#a5d8ff', '#ffc9c9']) # 蓝色表示否，红色表示是
plt.title('按吸烟状态区分的每日计数')
plt.xlabel('星期几')
plt.ylabel('计数')
plt.show()

这个图表现在显示了每天成对的条形。一个条形代表非吸烟者（“否”）的计数，另一个代表该吸烟者（“是”）的计数。Seaborn 自动添加图例，以澄清 hue 变量中哪种颜色对应哪个类别。

countplot 的参数

• x, y: 指定 DataFrame 中用于沿水平 (x) 或垂直 (y) 轴绘制的列名。通常只使用一个来定义主要分类变量。
• data: 包含数据的 Pandas DataFrame。
• hue: DataFrame 中第二个分类列的名称。这会在 x 或 y 定义的每个主要类别中添加子组比较。
• order, hue_order: 字符串列表，用于指定类别在轴 (order) 或图例 (hue_order) 中出现的准确顺序。
• palette: 允许您控制条形使用的颜色。您可以使用 Seaborn 调色板名称（如 'viridis'、'magma'）或提供颜色代码列表。

countplot 是一个简单但有效的工具，可帮助您快速了解分类变量内的频率分布。它通常是分析包含类别的新数据集时生成的第一批图表之一。