Build your ultimate AI agent
รายละเอียดคอร์ส
สร้างกราฟ Seaborn ของคุณเอง
Seaborn เป็นไลบรารี Python อันทรงพลังที่ช่วยให้สร้างกราฟที่ให้ข้อมูลเชิงลึกได้อย่างง่ายดาย และการแสดงภาพข้อมูลที่น่าสนใจ หลักสูตร 4 ชั่วโมงนี้มอบ บทนำเกี่ยวกับวิธีที่คุณสามารถใช้ Seaborn เพื่อสร้างกราฟหลากหลายรูปแบบ, รวมถึงกราฟกระจาย กราฟนับจำนวน กราฟแท่ง และกราฟกล่อง และวิธีที่คุณ คุณสามารถปรับแต่งการแสดงผลภาพของคุณได้เปลี่ยนชุดข้อมูลจริงให้เป็นภาพข้อมูล Seaborn แบบกำหนดเอง
คุณจะได้สำรวจไลบรารีนี้และสร้างกราฟ Seaborn ของคุณโดยอิงจากหลากหลาย ของชุดข้อมูลจริงในโลก รวมถึงการสำรวจว่ามลพิษทางอากาศในเมืองหนึ่งๆ เปลี่ยนแปลงตลอดทั้งวันและดูว่าคนหนุ่มสาวชอบทำอะไรในของพวกเขา เวลาว่าง. ข้อมูลนี้จะเปิดโอกาสให้คุณได้เรียนรู้เกี่ยวกับ Seaborn’s ข้อดีโดยตรง รวมถึงวิธีที่คุณสามารถสร้างซับพล็อตใน a ได้อย่างง่ายดาย ตัวเลขเดี่ยวและวิธีคำนวณช่วงความเชื่อมั่นโดยอัตโนมัติพัฒนาทักษะการสื่อสารข้อมูลของคุณ
เมื่อจบหลักสูตรนี้ คุณจะสามารถใช้ Seaborn ได้ในสถานการณ์ต่างๆ เพื่อสำรวจข้อมูลของคุณและสื่อสารผลลัพธ์ของข้อมูลของคุณได้อย่างมีประสิทธิภาพ การวิเคราะห์ต่อผู้อื่น. ทักษะเหล่านี้เป็นที่ต้องการอย่างมากสำหรับนักวิเคราะห์ข้อมูล, นักวิทยาศาสตร์ข้อมูล และงานอื่นใดที่อาจเกี่ยวข้องกับการสร้างข้อมูล การแสดงภาพข้อมูล หากคุณต้องการเรียนรู้ต่อไป หลักสูตรนี้เป็นส่วนหนึ่งของ ของหลายเส้นทาง รวมถึงเส้นทางการแสดงข้อมูล ซึ่งคุณสามารถเพิ่ม ไลบรารีและเทคนิคเพิ่มเติมให้กับชุดทักษะของคุณข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
Seaborn เบื้องต้น
Seaborn คืออะไร และควรใช้เมื่อใด? บทนี้จะตอบคำถามเหล่านั้น พร้อมเรียนรู้วิธีสร้าง scatter plot และ count plot จากทั้งลิสต์ข้อมูลและ pandas DataFrame นอกจากนี้ยังได้รู้จักกับหนึ่งในข้อดีสำคัญของ Seaborn นั่นคือความสามารถในการเพิ่มตัวแปรที่สามลงในกราฟได้อย่างง่ายดาย ด้วยการใช้สีแทนกลุ่มข้อมูลย่อย
2
การแสดงภาพตัวแปรเชิงปริมาณสองตัว
ในบทนี้จะสร้างและปรับแต่งกราฟสำหรับแสดงความสัมพันธ์ระหว่างตัวแปรเชิงปริมาณสองตัว โดยใช้ scatter plot และ line plot เพื่อสำรวจว่าระดับมลพิษทางอากาศในเมืองเปลี่ยนแปลงอย่างไรตลอดทั้งวัน และแรงม้ามีความสัมพันธ์กับประสิทธิภาพการใช้เชื้อเพลิงของรถยนต์อย่างไร นอกจากนี้ยังจะเห็นข้อดีอีกประการของ Seaborn นั่นคือการสร้าง subplot ในรูปเดียวได้อย่างง่ายดาย
3
การแสดงภาพตัวแปรหมวดหมู่และตัวแปรเชิงปริมาณ
ตัวแปรหมวดหมู่มีอยู่ในเกือบทุกชุดข้อมูล และพบได้มากเป็นพิเศษในข้อมูลแบบสำรวจ บทนี้จะเรียนรู้วิธีสร้างและปรับแต่งกราฟสำหรับข้อมูลหมวดหมู่ ทั้ง box plot, bar plot, count plot และ point plot ระหว่างทางจะได้สำรวจข้อมูลแบบสำรวจของคนหนุ่มสาวเกี่ยวกับความสนใจ ข้อมูลนักเรียนเกี่ยวกับนิสัยการเรียน และข้อมูลผู้ชายผู้ใหญ่เกี่ยวกับทัศนคติต่อความเป็นชาย
4
การปรับแต่งกราฟ Seaborn
ในบทสุดท้ายนี้จะเรียนรู้วิธีเพิ่มชื่อกราฟและป้ายกำกับแกนที่ให้ข้อมูลครบถ้วน ซึ่งเป็นหนึ่งในส่วนสำคัญที่สุดของการสร้างภาพข้อมูล รวมถึงการปรับแต่งสไตล์ของภาพข้อมูลเพื่อช่วยให้ผู้ชมเข้าใจประเด็นสำคัญได้รวดเร็วขึ้น จากนั้นจะนำทุกสิ่งที่เรียนมารวมกันในแบบฝึกหัดสุดท้ายของคอร์ส
การสร้างภาพข้อมูลด้วย Seaborn เบื้องต้น
เรียนจบแล้ว
