前言

上一節(Python可視化，matplotlib最佳入門練習 )我們只是單純使用 matplotlib 制作出以下圖表：

• 每年小麥產量柱狀圖
• 使用不同顏色標記最小與最大值的柱子

但是，如果只是制作標準的圖表，我們有許多其他的選擇。最常見的就是使用 seaborn ，他是基于 matplotlib 的包裝。

這一節我們就來看看，如何使用 seaborn 生成標準圖表，然后結合 matplotlib 做出定制效果。

特別是多系列的情況下，會有一些技巧。

本文目標圖表是這樣：

2個系列。每個系列找出最小最大的柱子，標記成不同的顏色

本文所需要的庫如下：

數據是這樣子：

上一節做的事情如下：

• 設置 x 軸標簽的旋轉角度
• 設置某個指定柱狀圖的柱子顏色

簡單把這些事情包裝成函數：

使用 seaborn 的代碼，實際與上一節直接使用 matplotlib 差不多：

看起來 seaborn 沒有特別的地方!

這是因為我們只有一個系列(上圖只涉及2個維度：wheat 與 year)

多系列

稍微修改一下數據，

• 行3、4、5：復制一份數據，小麥產量隨機生成
• 行7、8：新增一個列"type"，把數據劃分成2類："原始" 、"修改"
• 行10：合并成一份數據
• 行12：避免數據太多，圖表不利于閱讀，我只保留1750年以后的數據

現在數據成這樣：

每個年份都有2行記錄，字段"type"可以區分他們

使用 seaborn 可以非常方便映射多個維度的數據：

行1：hue 是類別映射，通常如果有一個列數據是文本，就可以映射上去。這里把數據中的"type"字段映射

圖表成這樣子：

顯然沒有標記出最大值的柱子

同時也提示執行有錯誤

如果我們查看圖表的容器就能看出關鍵：

原來，seaborn 柱子分成2組。這是非常合理的

但數據范圍索引，卻是在整個數據共27行中查找

顯然，我們需要是2組的范圍索引：

語義非常清晰直白

但是，怎么準確從圖表容器中找到需要的 BarContainer：

行7與行12：里面的 0 和 1 都是猜測的

原來，seaborn 在生成這些容器時，給容器的 label 屬性寫入了對應的數據值(就是我們數據的"type"字段)：

注意，你不能使用 key 索引方式獲取，比如寫: axcontainers['修改'] ，這會報錯

萬事俱備，定義如下函數：

現在調用變得非常簡單:

圖表成這樣子：

接下來我會繼續編寫更多非常規要求的圖表，敬請關注!