本篇文章为大家展示了Python中怎么利用seaborn实现数据可视化，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
本文目标图表是这样：
2个系列。每个系列找出最小最大的柱子，标记成不同的颜色
本文所需要的库如下：
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：
上述内容就是Python中怎么利用seaborn实现数据可视化，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
