本文是Kaggle数据可视化的微课程，介绍了如何使用Seaborn进行数据可视化。从Hello Seaborn开始，逐步讲解设置编码环境、加载数据、检查数据、绘制线性图表、条形图、热力图和散点图，以及分布图的制作。课程适合无编程经验但想快速掌握数据可视化的读者。
Kaggle课程 — 数据可视化 Data Visualization
)
本文翻译自kaggle官方网站https://www.kaggle.com/learn/data-visualization，仅供参考。
1. Hello，Seaborn
1.1 欢迎来到数据可视化！
在这个实际动手的微课程上，你将学习如何把你的数据可视化上升到下一个级别seaborn，一个有力的易于使用的数据可视化工具。为了使用seaborn，你将学习一点python编码。也就是说：
-
这门微课程面向那些没有编程经验的
-
每一张图表使用简短的代码，seaborn更加快速和易于使用，比起许多其他的数据可视化工具（例如Excel等）
因此，如果你从未写过一行代码，并且你想要学习最少的东西就能开始快速地制作更吸引人的图，那么你来对地方了。先看一下你将学习制作的图表，如下：
1.2 你的编码环境
抓紧时间，现在快速翻到本页最下面。你将注意到有许多不同类型的信息，包括：
- text 正如你现在在阅读的
- code 包含在灰色格子里的叫做code cell
- code output 打印在屏幕上的代码运行结果
在本节内容中，我们已经运行了所以的代码。很快，你将学习使用notebook来写下和运行你的代码。
1.3 set up the notebook
在每一节notebook练习中的顶端，你需要运行几行代码来设置你的编码环境。现在理解这些代码并不重要，因此我们不会深入讨论（注意：运行结束后会输出setup complete）
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
1.4 加载数据
在notebook中，我们将使用六个国家的FIFA历史排名数据集：Argentina (ARG), Brazil (BRA), Spain (ESP), France (FRA), Germany (GER), and Italy (ITA)。该数据集存储于csv文件（ comma-separated values file的缩写），在excel中打开csv文件，每一行为数据，对应每个国家一列。
为了加载数据，我们使用两个步骤如下：
- 设置数据的访问路径filepath
- 加载
# Path of the file to read
fifa_filepath = "../input/fifa.csv"
# Read the file into a variable fifa_data
fifa_data = pd.read_csv(fifa_filepath, index_col="Date", parse_dates=True)
1.5 检查数据
现在，我们快速浏览fifa_data数据，确认是否正确。
打印前五行数据通过head()方法：
# Print the first 5 rows of the data
fifa_data.head()
ARG BRA ESP FRA GER ITA
Date
1993-08-08 5.0 8.0 13.0 12.0 1.0 2.0
1993-09-23 12.0 1.0 14.0 7.0 5.0 2.0
1993-10-22 9.0 1.0 7.0 14.0 4.0 3.0
1993-11-19 9.0 4.0 7.0 15.0 3.0 1.0
1993-12-23 8.0 3.0 5.0 15.0 1.0 2.0
1.6 绘制数据
快速阅览你将学习的内容，通过如下的代码生成一个线形图表。
# Set the width and height of the figure
plt.figure(figsize=(16,6))
# Line chart showing how FIFA rankings evolved over time
sns.lineplot(data=fifa_data)
<matplotlib.axes._subplots.AxesSubplot at 0x7f85ec3769d0>
仅仅如此没什么意义，你将在下面的课程中学到更多的内容。
2.线性图表 Line Charts
现在，你已经熟悉了编码环境，是时候学习如何制作你自己的图表了。
在本节中，你将学习使用python来创建线性图表line charts。然后，在接下来的练习中，你将在现实数据中使用你的新技能。
2.1 Set up the notebook
我们从设置编码环境开始。
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
2.2 选择一个数据集
本节的数据集跟踪了全球音乐流服务Spotify上的每日流量。我们关注5首2017至2018年的流行歌曲：
- “Shape of You”, by Ed Sheeran
- “Despacito”, by Luis Fonzi
- “Something Just Like This”, by The Chainsmokers and Coldplay
- “HUMBLE.”, by Kendrick Lamar
- “Unforgettable”, by French Montana
注意，第一个数据出现于2017年1月6日，与 "The Shape of You"的发布日期一致。并且，通过该表格，可以看见 "The Shape of You"在发布日获得了全球12287078次流量。注意，其他歌曲在第一行有缺失值，是因为其他歌曲是之后才发布的。
2.3 加载数据
正如上一节所学，我们使用pdread_csv命令来载入数据集。
# Path of the file to read
spotify_filepath = "../input/spotify.csv"
# Read the file into a variable spotify_data
spotify_data = pd.read_csv(spotify_filepath, index_col="Date", parse_dates=True)
上述代码运行的结果是我们可以使用spotify_data来访问该数据集。
2.4 检查数据
我们可以通过head命令打印前五行数据。
# Print the first 5 rows of the data
spotify_data.head()
Shape of You Despacito Something Just Like This HUMBLE. Unforgettable
Date
2017-01-06 12287078 NaN NaN NaN NaN
2017-01-07 13190270 NaN NaN NaN NaN
2017-01-08 13099919 NaN NaN NaN NaN
2017-01-09 14506351 NaN NaN NaN NaN
2017-01-10 14275628 NaN NaN NaN NaN
现在检查前五行数据和我们之前图片（excel中）看到数据。
空白的单元格将出现NaN，这是Not a Number的简称。
我们也可以查看最后5行数据通过tail命令。
# Print the last five rows of the data
spotify_data.tail()
Shape of You Despacito Something Just Like This HUMBLE. Unforgettable
Date
2018-01-05 4492978 3450315.0 2408365.0 2685857.0 2869783.0
2018-01-06 4416476 3394284.0 2188035.0 2559044.0 2743748.0
2018-01-07 4009104 3020789.0 1908129.0 2350985.0 2441045.0
2018-01-08 4135505 2755266.0 2023251.0 2523265.0 2622693.0
2018-01-09 4168506 2791601.0 2058016.0 2727678.0 2627334.0
谢天谢地，一切看起来正常。我们可以开始着手描绘数据了。
2.5 描绘数据
现在，数据集已经载入notebook，我们仅仅需要一行代码来制作一个线性图表。
# Line chart showing daily global streams of each song
sns.lineplot(data=spotify_data)
<matplotlib.axes._subplots.AxesSubplot at 0x7ff15932bbd0>
正如上面你所看见的，代码行相对的短并且有两个组成部分：
sns.lineplotdata=spotify_data
注意，你将一直使用同样的格式，当你创建一个线性图表的时候，并且在新数据集中唯一能够改变的事情就是数据集的名称。因此，假如你正在使用一个数据集名称为financial_data，这行代码就可以写成如下样子：
sns.lineplot(data=financial_data)
某些时候，有一些额外的细节可以修改，比如图片的大小和图表的标题。这些选项可以简单的通过一行代码来实现。
# Set the width and height of the figure
plt.figure(figsize=(14,6))
# Add title
plt.title("Daily Global Streams of Popular Songs in 2017-2018")
# Line chart showing daily global streams of each song
sns.lineplot(data=spotify_data)
<matplotlib.axes._subplots.AxesSubplot at 0x7ff15805d310>
第一行代码设置图片的大小为14英寸宽乘以6英寸高。设置任何图片，你仅需要复制同样的代码。然后，假如你想要使用自定义的大小，改变14和6的值为你想要的值。
第二行代码设置图片的标题。注意该标题内容必须位于引号标记之中。
2.6 描绘数据子集
到目前为止，你已经学习如何描绘数据集中每一列的图线。在本小节，你将学习如何描绘数据子集。
我们从打印所有列名开始。通过一行代码来完成，并且通过改变数据集名称可以适用于任何数据集。
list(spotify_data.columns)
['Shape of You',
'Despacito',
'Something Just Like This',
'HUMBLE.',
'Unforgettable']
在接下来的代码模块，我们描绘前两列数据对应的图线。
# Set the width and height of the figure
plt.figure(figsize=(14,6))
# Add title
plt.title("Daily Global Streams of Popular Songs in 2017-2018")
# Line chart showing daily global streams of 'Shape of You'
sns.lineplot(data=spotify_data['Shape of You'], label="Shape of You")
# Line chart showing daily global streams of 'Despacito'
sns.lineplot(data=spotify_data['Despacito'], label="Despacito")
# Add label for horizontal axis
plt.xlabel("Date")
Text(0.5, 0, 'Date')
前两行代码设置图片标题和大小，与之前相似。
接下来的两行代码，每一行都增加了线性图表里的一条图线。比如，考虑前一个，增加了 "Shape of You"的图线：
# Line chart showing daily global streams of 'Shape of You'
sns.lineplot(data=spotify_data['Shape of You'], label="Shape of You")
这一行代码与之前用于描绘数据集的代码类似，但是它有一些关键的不同：
- 我们设置data=spotify_data[‘Shape of You’]来替代data=spotify_data。通常的，描绘唯一的一列，我们使用这样的格式，即将列名用单引号括起来然后放置于方括号中。（为了正确设置，可以先打印所有列名）
- 我们增加标签label="Shape of You"来使图线出现在图像中并为其设置对应的标签。
最后一行代码修改X轴的标签，想要设置的标签位于引号标记中。
3.Bar Charts and Heatmaps
4.Scatter Plots
5.Distributions
6.Choosing Plot Types and Custom Styles
7.Final Project
8.Creating Your Own Notebooks
-未完待续-
400
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
