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)¶使用条形图显示每个分类箱中的观察计数。
计数图可以被认为是一个分类的，而不是定量的，变量的直方图。基本API和选项与 barplot() ，因此可以比较嵌套变量之间的计数。
输入数据可以以多种格式传递，包括：
表示为列表、numpy数组或直接传递给 x ， y 和/或 hue 参数。
“长格式”数据帧，在这种情况下 x ， y 和 hue 变量将决定如何绘制数据。
一个“宽格式”数据框，这样每个数字列都将被打印出来。
向量的数组或列表。
在大多数情况下，可以使用numpy或Python对象，但最好使用pandas对象，因为关联的名称将用于注释轴。此外，可以对分组变量使用分类类型来控制绘图元素的顺序。
此函数始终将其中一个变量视为分类变量，并在顺序位置（0，1。。。n） 在相关轴上，即使数据具有数字或日期类型。
见 tutorial 更多信息。
data 或矢量数据，可选中变量的名称用于绘制长格式数据的输入。解释见示例。
用于打印的数据集。如果 x 和 y 不存在，这被解释为广义形式。否则它将是长格式的。
以绘制中的分类级别，否则级别是从数据对象推断出来的。
绘图的水平方向或垂直方向。这通常是根据输入变量的类型推断出来的，但当两者都存在时，它可以用来解决含糊不清的问题 x 和 y 是数字或打印宽格式数据时。
所有元素的颜色，或渐变调色板的种子。
用于不同级别的 hue 变量。应该是可以解释的东西 color_palette() ，或将色调级别映射到matplotlib颜色的字典。
以原始饱和度的比例绘制颜色。大的补丁通常看起来更好，稍微去饱和的颜色，但设置这个 1 如果希望打印颜色与输入颜色规范完全匹配。
使用色调嵌套时，元素是否应沿分类轴移动。
轴对象，否则使用当前轴。
其他关键字参数传递给 matplotlib.axes.Axes.bar() .
返回绘制了绘图的轴对象。
实例
显示单个分类变量的值计数：
>>> import seaborn as sns
>>> sns.set_theme(style="darkgrid")
>>> titanic = sns.load_dataset("titanic")
>>> ax = sns.countplot(x="class", data=titanic)
显示两个分类变量的值计数：
>>> 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)
使用不同的调色板：
>>> ax = sns.countplot(x="who", data=titanic, palette="Set3")
使用 matplotlib.axes.Axes.bar() 用于控制样式的参数。
>>> ax = sns.countplot(x="who", data=titanic,
... facecolor=(0, 0, 0, 0),
... linewidth=5,
... edgecolor=sns.color_palette("dark", 3))
使用 catplot() 合并 countplot() 和A FacetGrid . 这允许在其他分类变量中进行分组。使用 catplot() 比使用更安全 FacetGrid 直接，因为它确保了跨方面的可变顺序的同步：
>>> g = sns.catplot(x="class", hue="who", col="survived",
... data=titanic, kind="count",
... height=4, aspect=.7);
