Python 中，除了 Matplotlib 適合用於資料視覺化之外，Seaborn 也是一個好用的函式庫，兩者經常會放在一起介紹或者使用，今天就和大家聊聊 Seaborn 的厲害吧！

■ 說明

　　Seaborn 是 Python 中另一個強大的繪圖套件，建立於 Matplotlib 的基礎上，提供更簡單、更高級、更美觀的圖表製作，支援 Pandas 的 函式庫，對於需要資料分析的使用者來說更加好用！

• 安裝套件：於 VS Code 的 Terminal 中輸入 pip install seaborn。
• 檢查套件：於 VS Code 的 Terminal 中輸入 pip list，查看是否有 Seaborn 。
• 常用語法與參數：

■ 實作｜折線圖 line plot

1. 使用時機：時間、趨勢、比較多個數據的變化
2. 舉例：台北和高雄的月平均溫度比較圖

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 載入資料
data = {'month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep'],
        'Taipei': [16, 17, 19, 22, 25, 28, 30, 29, 27],
        'Kaohsiung': [19, 20, 23, 25, 27, 28, 32, 30, 28]}
df = pd.DataFrame(data)

# seaborn 設定
sns.set_style('white')
sns.lineplot(data=df,x='month',y='Taipei',label='Taipei',marker='s',linestyle=':')
sns.lineplot(data=df,x='month',y='Kaohsiung',label='Kaohsiung',marker='o')

# matplot 合作
plt.title('Monthly Average Temperature Comparison')
plt.ylabel('degree(°C)')
plt.show()

■ 實作｜長條圖 bar chart

1. 使用時機：比較不同類別的差異或排名
2. 舉例：台灣六都人口統計圖

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = {'city':['Taipei','New Taipei','Taoyuan','Taichung','Tainan','Kaohsiung'],
        'population':[2.5,4.03,2.3,2.83,1.85,2.73]}
df = pd.DataFrame(data)

# seaborn 設定
sns.set_style('white')
sns.barplot(data=df,x='city',y='population',palette='coolwarm')

# matplot 合作
plt.title('Population of Taiwan six cities')
plt.ylabel('population(million)')
plt.show()

■ 實作｜散布圖 scatter plot

1. 使用時機：評估不同變數的相關性或辨識數據集中程度
2. 舉例：評估單價和銷售量的情況

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = {'price':[50,80,100,120,150,180,200,230,250,300],
        'sales':[100,90,80,70,60,30,20,15,10,0]}
df = pd.DataFrame(data)

# seaborn 設定
sns.set_style('white')
sns.scatterplot(data=df,x='price',y='sales',marker='s',color='#5f9ea0')

# matplot 合作
plt.title('Price & Sales Analysis')
plt.ylabel('price(TWD)')
plt.show()

■ 實作｜熱力圖 heatmap

1. 使用時機：呈現數據的相關性
2. 舉例：載入內建資料集 flights，並製作熱力圖

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 載入資料
data = sns.load_dataset('flights')
df = data.pivot_table(index='month',columns='year',values='passengers')

# seaborn 設定
sns.heatmap(data=df,annot=True,cmap='Pastel1',fmt='d',linewidths=0.2)

# matplot 合作
plt.title('Flights Heatmap')
plt.show()

■ 結語

　　從今天的內容可以發現，Seaborn 雖然提供更簡單的操作和更美觀的圖表，但其運作過程仍需要搭配 Matplotlib 使用，因此，學習兩種資料視覺化的工具將有效協助邦友們完成分析報告！

　　我是 Eva，一位正在努力跨進資料科學領域的女子！明天開始將進入刷題篇，一起來挑戰吧！【本篇文章將同步更新於個人的 Medium，歡迎留言追蹤拍手！】