seaborn.countplot
译者：Stuming
seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)
seaborn.countplot 使用条形图显示每个类别中观测值的数量。
这个函数可以被认为是针对类别变量的直方图。基本的 API 和选项与barplot()完全相同，因此可以对比学习。
可以通过多种格式传入数据，包括：
- 通过列表、numpy 数组、或者 pandas Series 对象表示的向量数据，数据直接传给
x,y, 和/或hue参数。 - 长格式的 DataFrame，此时会通过
x,y以及hue变量决定如何绘制数据。 - 宽格式的 DataFrame，此时每个数值型的 column 都会被绘制。
- 数组或者列表形式的向量
在绝大多数情况下，数据格式都可以使用 numpy 或者 Python 对象，但是推荐使用 pandas 对象，因为 pandas 对象中相关的名称会被用于注释坐标轴。此外，可以通过设置分组变量为使用 Categorical 类型来控制绘制元素的顺序。
这个函数总会将变量作为类别变量进行处理，按顺序(0, 1, ... n)在相应坐标轴绘制数据，即使数据为数值或者日期类型。
更多信息参考tutorial.
参数：x, y, hue: data或者向量数据中的变量名，可选
用于绘制长格式数据的输入。查看解释示例
data：DataFrame, 数组，或者包含数组的列表，可选
用于绘制的数据集。如果
x和y不存在，那么会将数据按宽格式进行处理，否则应当为长格式。
order, hue_order：包含字符串的列表，可选
类别层级绘制的顺序，否则层级会从数据对象中推测。
orient: “v” | “h”, 可选
绘制的朝向（竖直或者水平）。通过从输入变量的 dtype 进行推断。当类别变量是数值型或者绘制宽格式数据时，可以进行指定。
color: matplotlib 颜色，可选
所有元素的颜色，或者渐变调色盘的种子。
palette: 调色盘名称，列表或字典，可选
用于
hue变量的不同级别的颜色。应当是color_palette()可以解释的东西，或者将色调级别映射到 matplotlib 颜色的字典。
saturation: float, 可选
在原有饱和度的比例下绘制颜色。大片的图块通常在略微不饱和的颜色下看起来更好，而如果想要绘制的颜色与输入颜色规格完全匹配，应当设置此值为
1。
dodge: bool, 可选
当使用色调嵌套时，决定是否沿着类别轴对元素进行移位。
ax: matplotlib 轴，可选
绘制图像的轴对象，不指定时使用当前轴。
kwargs: 键值映射
其他关键字参数会被传递给
plt.bar.
返回值：ax: matplotlib 轴
返回带有绘图的轴对象。
另请参阅
barplot(): 使用条形图显示点估计和置信区间。
factorplot(): 结合类别图与FacetGrid类。
示例
显示单个类别变量的计数值：
>>> import seaborn as sns
>>> sns.set(style="darkgrid")
>>> titanic = sns.load_dataset("titanic")
>>> ax = sns.countplot(x="class", data=titanic)
显示两个类别变量的计数值：
>>> ax = sns.countplot(x="class", hue="who", data=titanic)
水平绘制条形图：
>>> ax = sns.countplot(y="class", hue="who", data=titanic)
使用不同的颜色色盘：
>>> ax = sns.countplot(x="who", data=titanic, palette="Set3")
使用plt.bar的关键字参数获得不同的显示效果：
>>> ax = sns.countplot(x="who", data=titanic,
... facecolor=(0, 0, 0, 0),
... linewidth=5,
... edgecolor=sns.color_palette("dark", 3))
使用catplot()实现结合countplot()以及FacetGrid的效果。这样做可以在额外的类别变量中进行分组。使用catplot()比直接使用FacetGrid更加安全，因为这样做可以确保跨分面的变量顺序同步：
>>> g = sns.catplot(x="class", hue="who", col="survived",
... data=titanic, kind="count",
... height=4, aspect=.7);
