3、柱状图和热图

使用颜色或长度来比较数据集中的类别

既然您可以创建自己的线性图表，现在是时候了解更多的图表类型了!

顺便说一下，如果这是您第一次使用 Python 编写代码，那么您应该为迄今为止所完成的工作感到非常自豪，因为学习一项全新的技能从来都不是一件容易的事情！如果你坚持这个课程，你会发现所有的事情都会变得更容易(而你将要构建的图表会变得更加令人印象深刻!)因为所有图表的代码都非常相似。像任何技能一样，随着时间的推移和重复，编码变得很自然。

本课程数据集夸克网盘下载链接：https://pan.quark.cn/s/a235ac6b2616
提取码：1Ymk

使用的数据集为：flight_delays.csv

在本教程中，您将学习柱状图和热图。

1、准备好笔记本

像往常一样，我们从设置编码环境开始。

In [1]:

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

2、选择数据集

在本教程中，我们将使用来自美国运输部的数据集来跟踪航班延误。

在 Excel 中打开这个 CSV 文件会显示每个月的一行(其中1 = January，2 = February 等)和每个航空公司代码的一列。

每个条目显示不同航空公司和月份的平均到达延迟时间(分钟)(全部在2015年)。负数表示(平均而言)往往较早抵达的航班。例如，美国航空公司1月份的航班(航空公司代码: AA)平均晚点约7分钟，阿拉斯加航空公司4月份的航班(航空公司代码: AS)平均早点约3分钟。

3、加载数据

与前面一样，我们使用pd.read_csv()命令加载数据集.

In [2]:

# Path of the file to read
flight_filepath = "../input/flight_delays.csv"

# Read the file into a variable flight_data
flight_data = pd.read_csv(flight_filepath, index_col="Month")

您可能注意到，这段代码比我们在前一个教程中使用的代码略短。在这种情况下，由于行标签(来自 Month列)与日期不对应，因此我们不在括号中添加 parse_date = True。但是，我们像以前一样保留前两段文本，以便同时提供:

• 数据集的文件路径(在本例中为 Flight_filepath) ，以及
• 将用于对行进行索引的列的名称(在本例中，index_col="Month")。

4、检测数据

由于数据集很小，我们可以很容易地打印它的所有内容。这是通过仅使用数据集的名称编写一行代码来完成的。

In [3]:

# Print the data
flig