python数据可视化技巧的100个练习 -- 52. 创建分类数据的条形图
你是一家零售公司的数据分析师。你的经理要求你可视化不同产品类别的销售金额分布，以识别任何模式或异常。创建一个条形图来显示这些信息。生成一个具有以下结构的样本数据集：类别：'Electronics'（电子产品）、'Clothing'（服装）、'Home & Kitchen'（家居与厨房）【数据生成代码示例】
import pandas as pdimport numpy as npcategories = ['Electronics', 'Clothing', 'Home & Kitchen']data = pd.DataFrame({ 'Category': [categories[i % 3] for i in range(300)], 'Sales Amount': np.random.randint(10, 501, 300)})
【图表答案】
【代码答案】
import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltcategories = ['Electronics', 'Clothing', 'Home & Kitchen']data = pd.DataFrame({ 'Category': [categories[i % 3] for i in range(300)], 'Sales Amount': np.random.randint(10, 501, 300)})sns.stripplot(x='Category', y='Sales Amount', data=data)plt.title('按类别划分的销售金额分布')plt.xlabel('类别')plt.ylabel('销售金额')plt.show()
要创建分类数据的条形图，我们首先需要生成一个样本数据集。我们使用 pandas 库创建一个 DataFrame，并使用 numpy 生成随机销售金额。'Category' 列包含 'Electronics'、'Clothing' 和 'Home & Kitchen' 的重复值。'Sales Amount' 列包含 10 到 500 之间的随机整数。sns.stripplot 函数接受 x 和 y 参数，分别定义分类数据和数值数据。我们将 DataFrame 传递给 data 参数。最后，我们使用 matplotlib 的 plt 函数为图表添加标题和标签，并通过 plt.show() 显示它。【小知识】
条形图适用于可视化不同类别间数据点的分布，尤其是在处理小型数据集时非常有用。Seaborn 的 stripplot 函数可以通过各种参数（如 jitter）进行自定义，以提高重叠点的可读性。将条形图与其他图表（如箱线图）结合使用，可以更深入地了解数据分布。
系列完整内容可以在公众号主页搜索或点击分栏找到，欢迎扫码关注预防迷路找不到。感谢您的支持与相伴。
10个月宝宝每天需要喝多少奶粉？
