Day 17: 簡單的資料視覺化 (介紹 Matplotlib 與 Seaborn)

在資料分析中，視覺化是一個非常重要的步驟，能夠幫助我們更直觀地理解資料的分佈情況和變化趨勢。今天，我們將介紹兩個 Python 中最常用的資料視覺化工具——Matplotlib 和 Seaborn。這些工具可以幫助我們輕鬆繪製各種類型的圖表。
先在同一個資料夾建立一個plot名稱

1. Matplotlib 套件簡介

Matplotlib 是一個強大的繪圖工具，能夠繪製折線圖、條形圖、散點圖等多種圖表。它的語法靈活，可以用來製作從簡單到複雜的各種圖表。

1.1 安裝與匯入 Matplotlib

如果你使用的是 Google Colab，Matplotlib 已經預先安裝好，可以直接匯入。如果你是在本地環境中，可以使用以下指令安裝：

!pip install matplotlib

匯入 Matplotlib：

import matplotlib.pyplot as plt

1.2 基本使用範例

# 建立數據
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 繪製折線圖
plt.plot(x, y)
plt.title("line chart")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

這段程式碼會繪製一個簡單的折線圖，顯示 x 和 y 的變化趨勢。

2. Seaborn 套件簡介

Seaborn 是基於 Matplotlib 的一個更高階的繪圖工具，能夠更簡單地創建美觀的統計圖表。它提供了更加簡潔的 API，可以用來繪製分佈圖、盒狀圖、熱圖等圖表。

2.1 安裝與匯入 Seaborn

如果你使用的是 Google Colab，Seaborn 也已經預先安裝好，可以直接匯入。如果你是在本地環境中，可以使用以下指令安裝：

!pip install seaborn

匯入 Seaborn：

import seaborn as sns

2.2 基本使用範例

# 使用內建的 iris 資料集
iris = sns.load_dataset("iris")

# 繪製散點圖
sns.scatterplot(x="sepal_length", y="sepal_width", data=iris)
plt.title("Iris scatter")
plt.show()

這段程式碼會使用 Seaborn 的內建 Iris 資料集來繪製一個散點圖，顯示花萼長度與花萼寬度的關係。

3. Matplotlib 與 Seaborn 的區別

• Matplotlib 是一個基礎的繪圖工具，能夠非常靈活地創建各種類型的圖表。它的語法較為靈活，但需要更多的代碼來設置圖表的樣式和格式。
• Seaborn 則是在 Matplotlib 之上的高階介面，內建許多美觀的樣式，並且能夠簡單地繪製統計圖表。它的語法相對簡潔，適合快速創建視覺效果較佳的圖表。

4. Matplotlib 與 Seaborn 的結合使用

在實際使用中，我們經常會結合 Matplotlib 和 Seaborn 來創建更豐富的視覺效果。例如，我們可以使用 Seaborn 來繪製基礎圖表，再使用 Matplotlib 來進行進一步的自定義設置。

# 使用 Seaborn 繪製盒狀圖
sns.boxplot(x="species", y="sepal_length", data=iris)

# 使用 Matplotlib 自定義圖表標題和軸標籤
plt.title("Iris and box")
plt.xlabel("types")
plt.ylabel("length (cm)")
plt.show()

這段程式碼中，我們使用 Seaborn 繪製了盒狀圖，並用 Matplotlib 設置了圖表的標題和軸標籤。

5. 小結

今天我們學習了 Matplotlib 和 Seaborn 的基本用法，並了解了它們的區別。這兩個工具能夠幫助我們快速且直觀地展示資料。在接下來的課程中，我們會深入學習如何使用這些工具繪製不同類型的圖表，並結合實際資料進行分析。準備好開始進行資料視覺化的旅程了嗎？