你學到了甚麼?

我們可以將學到的圖表分為3類

• Trends - 可以定義一種變換的模式
  • sns.lineplot - Line Charts可以顯示時間和數據間的趨勢
• Relationship - 有很多不同的圖表類型可以了解不同變數之間的關係
  • sns.barplot - Bar charts是可以比較不同column之間的數量
  • sns.heatmap - Heatmaps可以將數據中的資料做顏色編碼
  • sns.scatterplot - Scatter plots可以顯示兩個連續資料之間的關係，若加上顏色，則可以顯示類別數據
  • sns.regplot - 在scatter plot中加上回歸線，可以更清楚的資料兩個資料間的關係
  • sns.lmplot - 可以再scatter plot中加上多個回歸線
  • sns.swarmplot - Categorical scatter plots顯示連續資料及類別資料之間的關係
• Distribution - 可以統計某一個資料中的數據量，並將其視覺化
  • sns.displot - Histograms顯示單一數值變數的分布
  • sns.kdeplot - ** KDE plots(or 2D KDE plots)**將質方圖變得更緩和
  • sns.jointplot - 將兩個直方圖結合

Changing styles with seaborn

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

Setup Complete

# Path of the file to read
spotify_filepath = "./spotify.csv"

# Read the file into a variable spotify_data
spotify_data = pd.read_csv(spotify_filepath, index_col="Date", parse_dates=True)

# Line chart 
plt.figure(figsize=(12,6))
sns.lineplot(data=spotify_data)

<AxesSubplot:xlabel='Date'>

可以加上顏色讓圖表看起來比較不一樣

# Change the style of the figure to the "dark" theme
sns.set_style("dark")

# Line chart 
plt.figure(figsize=(12,6))
sns.lineplot(data=spotify_data)

<AxesSubplot:xlabel='Date'>