or
この演習はコースの一部です
Seaborn とは何か、またどのような場面で使うべきなのでしょうか？このチャプターで見ていきましょう。さらに、データのリストと pandas DataFrame の両方を使って、散布図とカウントプロットを作成する方法を学びます。また、色を使って異なるサブグループを表現することで、プロットに3つ目の変数を簡単に追加できるという、Seaborn の大きな利点の1つについても学びます。
このチャプターでは、2つの量的変数の関係を可視化するプロットを作成し、カスタマイズします。散布図と折れ線グラフを使って、都市の大気汚染の程度が一日を通してどのように変化するか、また車の馬力と燃費がどのように関係しているかを探ります。さらに、1つの図に複数のサブプロットを簡単に作成できるという、Seaborn のもう1つの大きな利点についても学びます。
カテゴリ変数はほぼすべてのデータセットに含まれていますが、特にアンケートデータでよく見られます。このチャプターでは、箱ひげ図、棒グラフ、カウントプロット、ポイントプロットなどのカテゴリプロットを作成し、カスタマイズする方法を学びます。その過程で、若者の興味、学生の学習習慣、成人男性の男らしさに対する考えについてのアンケートデータを探索します。
現在の演習
この最終チャプターでは、あらゆるデータ可視化において最も重要な要素の1つである、内容がわかりやすいプロットタイトルと軸ラベルの追加方法を学びます。また、重要なポイントをよりすばやく把握してもらえるように、可視化のスタイルをカスタマイズする方法も学びます。そして、これまで学んだことをすべて組み合わせて、コースの最終演習に取り組みます！