### 使用 Seaborn 的 Countplot 函数进行分类数据可视化 Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，它提供了更高层次的接口来绘制更具吸引力和信息量的统计图形。Countplot 是 Seaborn 中用于分类数据可视化的函数之一，主要用于展示分类变量中每个类别的观测值数量[^1]。 #### Countplot 的基本用法 Countplot 函数可以通过 `x` 或 `y` 参数指定分类变量，并自动计算每个类别中的观测值数量。以下是一个简单的代码示例： ```python import seaborn as sns import matplotlib.pyplot as plt # 加载 Titanic 数据集 titanic = sns.load_dataset("titanic") # 创建一个简单的 Countplot 图形 plt.figure(figsize=(8, 6)) sns.countplot(data=titanic, x="class") plt.title("不同舱位的乘客数量") plt.show() ``` 在上述代码中，`x="class"` 指定了以 "class" 列作为分类变量，而 `data=titanic` 提供了数据源。这将生成一个条形图，展示每个舱位（First、Second、Third）的乘客数量[^5]。 #### 增加颜色和分组 为了使图形更加丰富，可以使用 `hue` 参数对数据进行进一步分组。例如，按性别或生存状态对舱位数据进行分组： ```python plt.figure(figsize=(8, 6)) sns.countplot(data=titanic, x="class", hue="sex") plt.title("不同舱位按性别的乘客数量") plt.show() ``` 在此代码中，`hue="sex"` 将根据性别对数据进行分组，并为每个性别分配不同的颜色[^4]。 #### 自定义样式 Seaborn 提供了许多参数来自定义图形的外观。例如，可以通过 `palette` 参数设置调色板，或者通过 `edgecolor` 和 `linewidth` 参数调整条形边框的样式： ```python plt.figure(figsize=(8, 6)) sns.countplot( data=titanic, x="class", hue="sex", palette="magma", edgecolor="black", linewidth=2 ) plt.title("不同舱位按性别的乘客数量（自定义样式）") plt.show() ``` 这段代码设置了 `palette="magma"` 来应用一种渐变颜色方案，并通过 `edgecolor="black"` 和 `linewidth=2` 添加了黑色边框[^5]。 #### 多个子图的组合 如果需要在同一张图中展示多个分类变量的分布情况，可以使用 Matplotlib 的子图功能。例如，同时展示舱位、性别和年龄的生存情况： ```python plt.figure(figsize=(16, 5)) # 子图 1：不同舱位的生存情况 plt.subplot(1, 3, 1) sns.countplot(data=titanic, x="class", hue="survived") plt.title("不同舱位的生存情况") # 子图 2：不同性别的生存情况 plt.subplot(1, 3, 2) sns.countplot(data=titanic, x="sex", hue="survived") plt.title("不同性别的生存情况") # 子图 3：不同年龄的生存情况 plt.subplot(1, 3, 3) sns.histplot(data=titanic, x="age", hue="survived", multiple="stack") plt.title("不同年龄的生存情况") plt.tight_layout() plt.show() ``` 这段代码展示了如何结合 Seaborn 和 Matplotlib 来创建多子图布局[^3]。 --- ### 注意事项 - Countplot 主要用于展示分类变量的计数，因此适用于离散型数据。 - 如果需要对连续型数据进行可视化，可以考虑使用 Distplot 或 Histplot 等其他函数。 ---