Python與資料分析3.3-資料視覺化-seaborn 補充

“Talk is cheap. Show me the code.”
― Linus Torvalds

老子第41章
上德若谷
大白若辱
大方無隅
大器晚成
大音希聲
大象無形
道隱無名

拳打千遍, 身法自然

110_1_高中週期性課程: Python程式入門與資料分析初探, 道明高中

本系列文章之連結

• Python程式與數據資料分析1 link
• Python程式與數據資料分析1.1 Kaggle站免費教學的路徑圖 link
• Python 與數據資料分析2-資料視覺化-Matplotlib.pyplot 入門 link
• Python 與數據資料分析3.1-資料視覺化-基本圖表類型 link
• Python 與數據資料分析3.2-資料視覺化-從 seabon 的函數分類來看 link
• Python與資料分析3.3-資料視覺化-seaborn 補充 link
• Python與資料分析4-資料視覺化-鳶尾花 link
• Python與資料分析 5-入門級競賽分析-鐵達尼號 link

---

---

seaborn 函數分 axes-level(專門型), figure-level(通用型)兩種

在學seaborn 時, 在網路上的說明, 常常 同樣的效果,各家的指令都不同, 會讓初學者感到混亂, 其實可以先了解 seaborn 的設計, 繪圖函數 基本上分通用型figure-level 與專門型axes-level兩種類別, 通用型figure-level 的函數, 可以畫出他涵蓋的同類型的指令, 所以建議用通用型figure-level 的函數就好.

參考下圖, 最上方的函數, 屬於 figure-level(通用型) 的函數, 他涵蓋的同類型的指令, 就是之後的較小字體的, 則是 axes-levle functions(專門型):

• figure-level 函數function: 可視為通用型的, 例如 distplot(), 加上例如 kind=“kde”, 就會呈現跟 kdeplot()一樣的效果, 透過更換 kind=" " 的指定, 可以更換它下方的任一個繪圖, 例如 distplot() 涵蓋 histplot(), kdeplot(), ecdfplot(), rugplot().
• axes-levle funciton: 可視為專門型的, 指執行特定的繪圖, 下圖較小字體的都是 axes-levle functions,
  

Reference

seaborn

• seaborn 的詳細介紹可以參考此篇: herr_kun, python-seaborn画图-(matploytlib)更高级的数据绘图工具, https://blog.csdn.net/herr_kun/article/details/87697639?utm_term=python%E7%94%BB%E5%9B%BE%E5%BA%93seaborn&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2_allsobaiduweb~default-6-87697639&spm=3001.4430 link

• Kaggle 此處的教學就是使用 seaborn: Data Visualization 資料視覺化教學, https://www.kaggle.com/learn/data-visualization link

• seaborn 有所有函數與指令的列表, 可以參考官網 API reference
  https://seaborn.pydata.org/api.html link

• 深入的 jointplot()屬性的使用, 點選 API reference jointplot 位置, 會連結到 jointplot 的詳細說明文件處
  https://seaborn.pydata.org/generated/seaborn.jointplot.html#seaborn.jointplot link