Introducere în biblioteca Seaborn și locul ei în peisajul vizualizărilor Python.

Introducere în Seaborn

Fundația Seaborn

Citirea unui fișier CSV

Comparație între histogramă și displot

Utilizarea graficului de distribuție

Trasează o histogramă

Grafic rug și umbrire KDE

Interpretarea rezultatelor

Grafice de regresie în Seaborn

Creează un grafic de regresie

Reprezentarea mai multor variabile

Fatetarea mai multor regresii

Prezentare generală a funcțiilor pentru personalizarea graficelor Seaborn.

Utilizarea stilurilor Seaborn

Setarea stilului implicit

Compararea stilurilor

Eliminarea marginilor

Culori în Seaborn

Coduri de culoare matplotlib

Folosirea paletelor implicite

Palete de culori

Crearea paletelor personalizate

Personalizare cu matplotlib

Utilizarea axelor matplotlib

Personalizări suplimentare ale graficului

Adăugarea adnotărilor

Grafice multiple

Personalizarea graficelor Seaborn

Prezentare generală a tipurilor mai complexe de grafice disponibile în Seaborn.

Tipuri de grafice categoriale

stripplot() și swarmplot()

boxplots, violinplots și boxenplots

barplots, pointplots și countplots

Grafice de regresie

Grafice de regresie și de reziduuri

Parametrii graficului de regresie

Gruparea datelor în intervale

Grafice matriciale

Crearea heatmap-urilor

Personalizarea heatmap-urilor

Tipuri suplimentare de grafice

Folosirea Seaborn pentru a desena mai multe grafice într-o singură figură.

Utilizarea FacetGrid, catplot și lmplot

Construirea unui FacetGrid

Utilizarea funcției catplot

Folosirea lmplot

Folosirea PairGrid și pairplot

Construirea unui PairGrid

Folosirea funcției pairplot

Exemple suplimentare de pairplot-uri

Utilizarea JointGrid și jointplot

Construirea unui JointGrid și jointplot

Jointplot-uri și regresie

Grafice jointplot complexe

Alegerea graficelor Seaborn

Crearea graficelor pe grile inteligente

2010 US School Improvement Grants

Automobile Insurance Premiums

2018 College Scorecard Tuition

Daily Show Guests

US Housing and Urban Development FY 2018 Fair Market Rent

Washington DC Bike Share

Vrei să creezi vizualizări frumoase și informative fără efort? Atunci trebuie să înveți seaborn! Seaborn este o bibliotecă de vizualizare esențială în ecosistemul Python pentru știința datelor. În acest curs, vei învăța cum să folosești instrumentele avansate de vizualizare din seaborn pentru a analiza mai multe seturi de date reale, printre care American Housing Survey, date despre taxele universitare și invitații din popularul serial de televiziune The Daily Show. La finalul cursului, vei putea folosi funcțiile seaborn pentru a-ți vizualiza datele în diverse formate și pentru a personaliza graficele în funcție de nevoile tale.

Data Manipulation with pandas

Învață să folosești funcțiile Seaborn pentru a vizualiza datele și a personaliza graficele în Python.

Vizualizarea datelor cu Seaborn – nivel intermediar

Folosește instrumentele sofisticate de vizualizare Seaborn pentru a crea cu ușurință vizualizări frumoase și informative.

Interpretarea rezultatelor

Vizualizarea datelor cu Seaborn – nivel intermediar

Exercițiu interactiv practic