Een spreidingsdiagram maken met lijsten

In deze oefening gebruiken we een gegevensset met informatie over 227 landen. Deze set bevat veel interessante gegevens per land, zoals geboortecijfers, sterftecijfers en het bruto binnenlands product (BBP). Het BBP is de waarde van alle goederen en diensten die in een jaar worden geproduceerd, uitgedrukt in dollars per persoon.

We hebben drie lijsten uit deze gegevensset voor je klaargezet. gdp is een lijst met het BBP per land, uitgedrukt in dollars per persoon. phones is een lijst met het aantal mobiele telefoons per 1.000 inwoners in dat land. Tot slot bevat percent_literate het percentage van de bevolking dat kan lezen en schrijven.

Deze oefening maakt deel uit van de cursus

Introductie tot datavisualisatie met Seaborn

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import Matplotlib and Seaborn

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Introductie tot datavisualisatie met Seaborn

SkillTag.level.beginnerSkillTag.label

4.9+

1561 reviews

Begin de cursus gratis

What is Seaborn, and when should you use it? In this chapter, you will find out! Plus, you will learn how to create scatter plots and count plots with both lists of data and pandas DataFrames. You will also be introduced to one of the big advantages of using Seaborn - the ability to easily add a third variable to your plots by using color to represent different subgroups.

Exercise 1: Introductie tot Seaborn Exercise 2: Een spreidingsdiagram maken met lijsten

Huidige oefening

Exercise 3: Een count-plot maken met een lijst Exercise 4: pandas gebruiken met Seaborn Exercise 5: "Tidy" vs. "untidy" data Exercise 6: Een count plot maken met een DataFrame Exercise 7: Een derde variabele toevoegen met hue Exercise 8: Hue en scatterplots Exercise 9: Hue en count plots

In this chapter, you will create and customize plots that visualize the relationship between two quantitative variables. To do this, you will use scatter plots and line plots to explore how the level of air pollution in a city changes over the course of a day and how horsepower relates to fuel efficiency in cars. You will also see another big advantage of using Seaborn - the ability to easily create subplots in a single figure!

Exercise 1: Introduction to relational plots and subplots Exercise 2: Creating subplots with col and row Exercise 3: Creating two-factor subplots Exercise 4: Customizing scatter plots Exercise 5: Changing the size of scatter plot points Exercise 6: Changing the style of scatter plot points Exercise 7: Introduction to line plots Exercise 8: Interpreting line plots Exercise 9: Visualizing standard deviation with line plots Exercise 10: Plotting subgroups in line plots

Categorical variables are present in nearly every dataset, but they are especially prominent in survey data. In this chapter, you will learn how to create and customize categorical plots such as box plots, bar plots, count plots, and point plots. Along the way, you will explore survey data from young people about their interests, students about their study habits, and adult men about their feelings about masculinity.

Exercise 1: Count plots and bar plots Exercise 2: Count plots Exercise 3: Bar plots with percentages Exercise 4: Customizing bar plots Exercise 5: Box plots Exercise 6: Create and interpret a box plot Exercise 7: Omitting outliers Exercise 8: Adjusting the whiskers Exercise 9: Point plots Exercise 10: Customizing point plots Exercise 11: Point plots with subgroups

In this final chapter, you will learn how to add informative plot titles and axis labels, which are one of the most important parts of any data visualization! You will also learn how to customize the style of your visualizations in order to more quickly orient your audience to the key takeaways. Then, you will put everything you have learned together for the final exercises of the course!

Exercise 1: Changing plot style and color Exercise 2: Changing style and palette Exercise 3: Changing the scale Exercise 4: Using a custom palette Exercise 5: Adding titles and labels: Part 1 Exercise 6: FacetGrids vs. AxesSubplots Exercise 7: Adding a title to a FacetGrid object Exercise 8: Adding titles and labels: Part 2 Exercise 9: Adding a title and axis labels Exercise 10: Rotating x-tick labels Exercise 11: Putting it all together Exercise 12: Box plot with subgroups Exercise 13: Bar plot with subgroups and subplots Exercise 14: Well done! What's next?