学习条记：使用 pandas 和 Seaborn 绘制柱状图
学习条记：使用 pandas 和 Seaborn 绘制柱状图前言
本日在使用 pandas 对数据进行处置惩罚并在 Python 中绘制可视化图表时，遇到了一些关于字体设置和 Seaborn 主题覆盖的小题目。这里将学习到的方法和注意事项做个总结，以便之后的项目中可以快速上手和排错。
一、设置 Matplotlib 字体
在 Python 中，Matplotlib 画图时默认使用的英文字体不支持中文，如果直接渲染中文，往往会表现成方块或乱码。为了解决这个题目，我们可以通过修改 rcParams 来设置一个支持中文的字体，比方 SimHei（黑体）或 Microsoft YaHei。
下面是一段简朴的函数，用于快速切换中文字体：
def set_chinese_font(font_name='SimHei'):
"""
设置Matplotlib的中文字体。
:param font_name: 字体名称，默认使用'SimHei'。
其他常见中文字体如'Microsoft YaHei'。
"""
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False # 正常显示负号
注意：如果体系中没有安装对应字体，设置大概不会生效。可以自行在体系（如 Windows 的 C:\Windows\Fonts）安装相应的字体文件。
二、Seaborn 与 Matplotlib 主题的冲突
很多时候，我们还会喜欢使用 Seaborn 自带的主题来让图表看起来更美观，比方：
import seaborn as sns
sns.set(style="whitegrid")
然而，一些版本的 Seaborn 大概会覆盖你在 Matplotlib 中设置的字体；或者你在差异地方多次调用差异的主题，也大概引发冲突。常看法决方法是要么只使用 Seaborn 的主题而不手动改字体，要么先调用 Seaborn 的主题再调用中文字体，让中文字体占终极优先级。
比方，如果你想保留白色网格风格，但又希望用黑体表现中文，可以这样写：
import seaborn as sns
sns.set(style="whitegrid")
# 然后设置中文字体set_chinese_font('SimHei') 如果两者仍旧冲突，建议去掉此中一个或实验删除 Matplotlib 缓存，让它重新扫描体系字体。
三、Seaborn barplot 的工作原理
在使用 Seaborn 绘制柱状图时，常见用法是：
import seaborn as sns
bar_plot = sns.barplot(
x='学院',
y='人数',
data=college_counts,
palette='viridis'
)
不需要再手动把 bar_plot “放进” Matplotlib，由于 Seaborn 会自动在当前的 Matplotlib Figure 中天生 Axes，返回给我们的是一个已经绑定到该 Figure 的对象。因此，只要最后 plt.show() 或 plt.savefig()，就能看到或生存这张图表。
1. 同一个坐标多个柱状（同一个 x 有多个柱子）
当我们想要在同一个 x 值下表现多个柱子（比方，同一个学院下，分别统计“参保”和“未参保”人数），可以使用 hue 参数：
bar_plot = sns.barplot(
x='学院',
y='人数',
data=grouped_df,
hue='2025年参保情况', # 在同一个学院里区分参保和未参保
palette='viridis',
dodge=True, # True:并排放置；False:重叠放置
legend=True # 是否显示图例
)
关键参数说明
[*] x='学院': 横轴分组依据。每个学院在 x 轴上有一个刻度。
[*] hue='2025年参保环境': 同一个学院怎样再细分颜色。由于 grouped_df 里有一列 “2025年参保环境” (参保 / 未参保)，Seaborn 就会在同一个 x 刻度下绘制两根柱子并用差异的颜色。
[*] dodge=True: 当同一个 x 有多个柱子时，并排表现。如果改成 False，则会把这些柱子重叠绘制。
dodge意味躲避，= true时
https://i-blog.csdnimg.cn/direct/7acd04cc6f8e42b38500db3b9362b28e.png
= false时
https://i-blog.csdnimg.cn/direct/1a1f1517b8b4487daede95d5f2661dd9.png
[*] legend=True: 是否表现图例。由于我们有 hue，以是图例可以帮我们标识差异颜色所对应的“参保” / “未参保”。
2. 怎样得到 grouped_df
通常，我们会有一个 DataFrame 包含诸如“学院”、“2025年参保环境”、“姓名”等列。要得到分组后的每组人数，可以这样：
grouped_df = df.groupby(['学院', '2025年参保情况']).size().reset_index(name='人数')
[*]groupby(['学院', '2025年参保环境'])：先按“学院”和“参保环境”分组
[*].size()：求出每个分组内行数，即人数
[*].reset_index(name='人数')：把分组索引转换为普通列，并将这个计数列重定名为“人数”
然后 grouped_df 就可以拿来给 Seaborn 的 barplot 使用了。
四、总结
[*] 字体设置与 Seaborn 主题冲突：
[*]要么只用一方；
[*]要么先 sns.set(...)，再 set_chinese_font(...)。
[*] Seaborn barplot 与 Matplotlib
[*]Seaborn 自动把数据绘制到当前图中，不需要显式地“放进” Matplotlib；
[*]只需 plt.show() 或 plt.savefig() 查察或生存结果。
[*] 一个横坐标多个柱状图
[*]通过设置 hue='...' 参数，告诉 Seaborn 在同一 x 种别下再细分颜色。
[*]dodge=True 为并排，不会重叠；dodge=False 则重叠表现。
[*] 分组汇总
[*]借助 groupby() + size()（或 count()、sum()等）做聚合，再用 reset_index 转换成列形式，是一条非常重要的分析路径。
通过这些本领，我们就可以轻松地使用 pandas + Seaborn 绘制各种各样的统计图表，展示数据中的分类环境、分布环境以及关系，满足日常数据分析与可视化需求。
延伸阅读
[*]Seaborn 官方文档: https://seaborn.pydata.org/
[*]Matplotlib 字体管理: https://matplotlib.org/stable/tutorials/text/text_props.html
[*]pandas 文档: https://pandas.pydata.org/docs/
至此，本日的学习心得就整理完毕啦！ 希望这篇条记能帮你更快掌握在 Python 中处置惩罚中文表现、使用 Seaborn 绘制柱状图，以及在同一个坐标轴上并排展示多个柱子的本领。祝你在数据可视化之路上更进一步！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]