Day 24 [Python ML、资料视觉化] 如何选择图表型态

你学到了甚麽?

我们可以将学到的图表分为3类

• Trends - 可以定义一种变换的模式
  • sns.lineplot - Line Charts可以显示时间和数据间的趋势
• Relationship - 有很多不同的图表类型可以了解不同变数之间的关系
  • sns.barplot - Bar charts是可以比较不同column之间的数量
  • sns.heatmap - Heatmaps可以将数据中的资料做颜色编码
  • sns.scatterplot - Scatter plots可以显示两个连续资料之间的关系，若加上颜色，则可以显示类别数据
  • sns.regplot - 在scatter plot中加上回归线，可以更清楚的资料两个资料间的关系
  • sns.lmplot - 可以再scatter plot中加上多个回归线
  • sns.swarmplot - Categorical scatter plots显示连续资料及类别资料之间的关系
• Distribution - 可以统计某一个资料中的数据量，并将其视觉化
  • sns.displot - Histograms显示单一数值变数的分布
  • sns.kdeplot - ** KDE plots(or 2D KDE plots)**将质方图变得更缓和
  • sns.jointplot - 将两个直方图结合

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'>

可以加上颜色让图表看起来比较不一样

# 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'>