kaggle平台学习复习笔记 | Data Visualization | Seaborn

最新推荐文章于 2024-11-25 13:58:30 发布

原创

最新推荐文章于 2024-11-25 13:58:30 发布 · 534 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#学习 #python #开发语言

1.hello Seaborn

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

fifa_filepath 数据集的文件路径。

index_col=“Date” 我们将index_col的值设置为第一列的名称
（“Date”，在Excel中打开时在文件的单元格A1中找到）。

parse_dates=True将每行标签理解为日期
（而不是数字或其他具有不同含义的文本）。

# 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)

Examine the data

# Print the first 5 rows of the data
fifa_data.head()

在这里插入图片描述
Plot the data

# 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)

在这里插入图片描述

2.Line Charts

展示一段时间内的数据趋势
本教程的数据集跟踪音乐流服务Spotify上的全球每日流。我们专注于2017年和2018年的五首流行歌曲：
在这里插入图片描述

Load the data

# 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)

Examine the data

# Print the first 5 rows of the data
spotify_data.head()
# Print the last five rows of the data
spotify_data.tail()

在这里插入图片描述

# Line chart showing daily global streams of each song 
sns.lineplot(data=spotify_data)

在这里插入图片描述
如上所述，代码行相对较短，有两个主要部分：

sns.linepl

最低0.47元/天解锁文章

kaggle平台学习复习笔记 | Data Visualization | Seaborn

目录

1.hello Seaborn

2.Line Charts