1. Lernen
    2. /
  2. Kurse
    3. /
  3. Einführung in die Datenvisualisierung mit Seaborn
  • 1

    Einführung in Seaborn

    Kostenlos

    Was ist Seaborn und wann solltest du es verwenden? In diesem Kapitel wirst du es herausfinden! Außerdem lernst du, wie du Streudiagramme und Zähldiagramme sowohl mit Datenlisten als auch mit Pandas DataFrames erstellen kannst. Du wirst auch einen der großen Vorteile von Seaborn kennenlernen - die Möglichkeit, deinen Plots ganz einfach eine dritte Variable hinzuzufügen, indem du verschiedene Untergruppen farblich darstellst.

  • 2

    Visualisierung zweier quantitativer Variablen

    In diesem Kapitel wirst du Diagramme erstellen und anpassen, die die Beziehung zwischen zwei quantitativen Variablen visualisieren. Dazu verwendest du Streudiagramme und Liniendiagramme, um herauszufinden, wie sich die Luftverschmutzung in einer Stadt im Laufe eines Tages verändert und wie die PS-Zahl mit der Kraftstoffeffizienz von Autos zusammenhängt. Du wirst auch einen weiteren großen Vorteil von Seaborn sehen - die Möglichkeit, mit einer einzigen Figur ganz einfach Nebenplots zu erstellen!

  • 3

    Visualisierung einer kategorialen und einer quantitativen Variable

    Kategoriale Variablen gibt es in fast jedem Datensatz, aber sie sind in Umfragedaten besonders auffällig. In diesem Kapitel lernst du, wie du kategoriale Diagramme wie Boxplots, Balkendiagramme, Zähldiagramme und Punktdiagramme erstellst und anpasst. Auf dem Weg dorthin wirst du Umfragedaten von Jugendlichen über ihre Interessen, von Studenten über ihre Lerngewohnheiten und von erwachsenen Männern über ihre Gefühle zur Männlichkeit untersuchen.

  • 4

    Seaborn-Grundstücke anpassen

    In diesem letzten Kapitel lernst du, wie du aussagekräftige Diagrammtitel und Achsenbeschriftungen hinzufügst, die zu den wichtigsten Bestandteilen jeder Datenvisualisierung gehören! Du lernst auch, wie du den Stil deiner Visualisierungen anpassen kannst, damit dein Publikum die wichtigsten Erkenntnisse schneller erkennt. Dann wirst du alles, was du gelernt hast, in den abschließenden Übungen des Kurses zusammenfügen!

Initializing

Übung

Hinzufügen eines Titels und von Achsenbeschriftungen

Sehen wir uns weiter den Meilen pro Gallone-Datensatz an. Dieses Mal erstellen wir ein Liniendiagramm, um die Frage zu beantworten: Wie verändert sich die durchschnittliche Kilometerleistung von Autos an den drei Herkunftsorten im Laufe der Zeit? Um die Lesbarkeit dieses Diagramms zu verbessern, fügen wir einen Titel und informativere Achsenbeschriftungen hinzu.

In dem mitgelieferten Code erstellen wir das Liniendiagramm mit der Funktion lineplot(). Beachte, dass lineplot() die Erstellung von Unterplots nicht unterstützt und daher ein AxesSubplot Objekt statt eines FacetGrid Objekts zurückgibt.

Wir haben Seaborn bereits als sns und matplotlib.pyplot als plt importiert.

Anweisungen 1/2

undefined XP
    1
    2
  • Füge dem Plot den folgenden Titel hinzu: "Average MPG Over Time".