Update 20.md

docs/20.md

@@ -19,32 +19,32 @@ seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
 *   宽表，每个列的数值都会被绘制出来.
 *   数组或者列表的向量。
 
-大多数情况下，您可以使用numpy的对象或者python的对象，但是用pandas对象更好，因为相关的but pandas objects are preferable because the associated names will be used to annotate the axes. 另外，为了控制绘图元素 您也可以可以用分类类型来组合不同的变量。
+大多数情况下，您可以使用numpy的对象或者python的对象，但是用pandas对象更好，因为相关的列名会被标注在图标上。 另外，为了控制绘图元素 您也可以可以用分类类型来组合不同的变量。
 
 这个函数始终把一个变量当做分类变量，即使这个数据是数值类型或者日期类型，并且按照序数顺序绘制在相关的轴上。
 
 
 详情请看[教程](../tutorial/categorical.html#categorical-tutorial)。
 
-| Parameters: | **x, y, hue** : names of variables in `data` or vector data, optional
+| Parameters: | **x, y, hue** :  `data` 中的变量名词或者向量, optional
 
 > 用于绘制long-form数据的变量名称.
 
-**data** : DataFrame, array, or list of arrays, optional
+**data** : DataFrame, 数组, 数组列表, optional
 
-> 用于绘图的数据集。如果缺失X值和Y值, 这个数据集会被解释成wide-form，否则this is interpreted as wide-form. Otherwise it is expected to be long-form.
+> 用于绘图的数据集。如果数据集有x和y，数据集会被认为是long-form，否则会被认为是wide-form。
 
-**order, hue_order** : lists of strings, optional
+**order, hue_order** : 字符串列表, optional
 
-> Order to plot the categorical levels in, otherwise the levels are inferred from the data objects.
+> 绘制类别变量的顺序，如果没有，则从数据对象中推断绘图顺序。
 
-**estimator** : callable that maps vector -> scalar, optional
+**estimator** : 映射向量 -> 标量, optional
 
-> Statistical function to estimate within each categorical bin.
+> 统计函数用于估计每个分类纸条中的值。.
 
 **ci** : float or “sd” or None, optional
 
-> Size of confidence intervals to draw around estimated values. If “sd”, skip bootstrapping and draw the standard deviation of the observations. If `None`, no bootstrapping will be performed, and error bars will not be drawn.
+> 估计值周围的置信区间大小。如果输入的是 “sd”（标准差），会跳过bootstrapping的过程，只绘制数据的标准差。 如果输入是的是`None`, 不会执行botstrapping，而且错误条也不会绘制。
 
 **n_boot** : int, optional
 
@@ -72,17 +72,17 @@ seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
 
 **errcolor** : matplotlib color
 
-> Color for the lines that represent the confidence interval.
+> 表示置信区间的线的颜色。
 
 **errwidth** : float, optional
 
-> 错误条的线的厚度。
+> 误差条的线的厚度。
 
 **capsize** : float, optional
 
-> 错误条端部的宽度。
+> 误差条端部的宽度。
 
-**dodge** : bool, optional
+**dodge** : 布尔型, optional
 
 > When hue nesting is used, whether elements should be shifted along the categorical axis.
 
@@ -96,9 +96,9 @@ seaborn.barplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None,
 
  |
 | --- | --- |
-| Returns: | **ax** : matplotlib Axes
+| 返回值: | **ax** : matplotlib Axes
 
-> Returns the Axes object with the plot drawn onto it.
+> 返回有图表绘制的Axes对象。
 
  |
 | --- | --- |
@@ -109,7 +109,7 @@ Show the counts of observations in each categorical bin.Show point estimates and
 
 Examples
 
-Draw a set of vertical bar plots grouped by a categorical variable:
+绘制一组按类别变量分组的垂直条形图：
 
 ```py
 >>> import seaborn as sns
@@ -121,7 +121,7 @@ Draw a set of vertical bar plots grouped by a categorical variable:
 
 ![http://seaborn.pydata.org/_images/seaborn-barplot-1.png](img/9d1addc98b6a35ef0376219c56e7b7fd.jpg)
 
-Draw a set of vertical bars with nested grouping by a two variables:
+绘制一组由两个变量嵌套分组的垂直条形图：
 
 ```py
 >>> ax = sns.barplot(x="day", y="total_bill", hue="sex", data=tips)
@@ -130,7 +130,7 @@ Draw a set of vertical bars with nested grouping by a two variables:
 
 ![http://seaborn.pydata.org/_images/seaborn-barplot-2.png](img/863249efe2403afa4fae2f2b6884d3bd.jpg)
 
-绘制一组水平柱状图：
+绘制一组水平条形图：
 
 ```py
 >>> ax = sns.barplot(x="tip", y="day", data=tips)
@@ -159,7 +159,7 @@ Draw a set of vertical bars with nested grouping by a two variables:
 
 ![http://seaborn.pydata.org/_images/seaborn-barplot-5.png](img/2622373fb99932aa42e45c3b151135be.jpg)
 
-Show the standard error of the mean with the error bars:
+用误差条显示平均值的标准误差：
 
 ```py
 >>> ax = sns.barplot(x="day", y="tip", data=tips, ci=68)
@@ -177,7 +177,7 @@ Show the standard error of the mean with the error bars:
 
 ![http://seaborn.pydata.org/_images/seaborn-barplot-7.png](img/eeb77dac6d8f76d9f715476ce03773c5.jpg)
 
-Add “caps” to the error bars:
+给误差条增加“端点”：
 
 ```py
 >>> ax = sns.barplot(x="day", y="tip", data=tips, capsize=.2)