Name: การสร้างภาพข้อมูลด้วย Seaborn เบื้องต้น
Rating: 4.853804347826087 (1840 reviews)

รายละเอียดคอร์ส

สร้างกราฟ Seaborn ของคุณเอง

Seaborn เป็นไลบรารี Python อันทรงพลังที่ช่วยให้สร้างกราฟที่ให้ข้อมูลเชิงลึกได้อย่างง่ายดาย และการแสดงภาพข้อมูลที่น่าสนใจ หลักสูตร 4 ชั่วโมงนี้มอบ บทนำเกี่ยวกับวิธีที่คุณสามารถใช้ Seaborn เพื่อสร้างกราฟหลากหลายรูปแบบ, รวมถึงกราฟกระจาย กราฟนับจำนวน กราฟแท่ง และกราฟกล่อง และวิธีที่คุณ คุณสามารถปรับแต่งการแสดงผลภาพของคุณได้

เปลี่ยนชุดข้อมูลจริงให้เป็นภาพข้อมูล Seaborn แบบกำหนดเอง

คุณจะได้สำรวจไลบรารีนี้และสร้างกราฟ Seaborn ของคุณโดยอิงจากหลากหลาย ของชุดข้อมูลจริงในโลก รวมถึงการสำรวจว่ามลพิษทางอากาศในเมืองหนึ่งๆ เปลี่ยนแปลงตลอดทั้งวันและดูว่าคนหนุ่มสาวชอบทำอะไรในของพวกเขา เวลาว่าง. ข้อมูลนี้จะเปิดโอกาสให้คุณได้เรียนรู้เกี่ยวกับ Seaborn’s ข้อดีโดยตรง รวมถึงวิธีที่คุณสามารถสร้างซับพล็อตใน a ได้อย่างง่ายดาย ตัวเลขเดี่ยวและวิธีคำนวณช่วงความเชื่อมั่นโดยอัตโนมัติ

พัฒนาทักษะการสื่อสารข้อมูลของคุณ

เมื่อจบหลักสูตรนี้ คุณจะสามารถใช้ Seaborn ได้ในสถานการณ์ต่างๆ เพื่อสำรวจข้อมูลของคุณและสื่อสารผลลัพธ์ของข้อมูลของคุณได้อย่างมีประสิทธิภาพ การวิเคราะห์ต่อผู้อื่น. ทักษะเหล่านี้เป็นที่ต้องการอย่างมากสำหรับนักวิเคราะห์ข้อมูล, นักวิทยาศาสตร์ข้อมูล และงานอื่นใดที่อาจเกี่ยวข้องกับการสร้างข้อมูล การแสดงภาพข้อมูล หากคุณต้องการเรียนรู้ต่อไป หลักสูตรนี้เป็นส่วนหนึ่งของ ของหลายเส้นทาง รวมถึงเส้นทางการแสดงข้อมูล ซึ่งคุณสามารถเพิ่ม ไลบรารีและเทคนิคเพิ่มเติมให้กับชุดทักษะของคุณ

ข้อกำหนดเบื้องต้น

Introduction to Python

หลักสูตร

โครงสร้างคอร์ส

Seaborn เบื้องต้น

Seaborn คืออะไร และควรใช้เมื่อใด? บทนี้จะตอบคำถามเหล่านั้น พร้อมเรียนรู้วิธีสร้าง scatter plot และ count plot จากทั้งลิสต์ข้อมูลและ pandas DataFrame นอกจากนี้ยังได้รู้จักกับหนึ่งในข้อดีสำคัญของ Seaborn นั่นคือความสามารถในการเพิ่มตัวแปรที่สามลงในกราฟได้อย่างง่ายดาย ด้วยการใช้สีแทนกลุ่มข้อมูลย่อย

เริ่มบทเรียน

การแสดงภาพตัวแปรเชิงปริมาณสองตัว

ในบทนี้จะสร้างและปรับแต่งกราฟสำหรับแสดงความสัมพันธ์ระหว่างตัวแปรเชิงปริมาณสองตัว โดยใช้ scatter plot และ line plot เพื่อสำรวจว่าระดับมลพิษทางอากาศในเมืองเปลี่ยนแปลงอย่างไรตลอดทั้งวัน และแรงม้ามีความสัมพันธ์กับประสิทธิภาพการใช้เชื้อเพลิงของรถยนต์อย่างไร นอกจากนี้ยังจะเห็นข้อดีอีกประการของ Seaborn นั่นคือการสร้าง subplot ในรูปเดียวได้อย่างง่ายดาย

เริ่มบทเรียน

การแสดงภาพตัวแปรหมวดหมู่และตัวแปรเชิงปริมาณ

ตัวแปรหมวดหมู่มีอยู่ในเกือบทุกชุดข้อมูล และพบได้มากเป็นพิเศษในข้อมูลแบบสำรวจ บทนี้จะเรียนรู้วิธีสร้างและปรับแต่งกราฟสำหรับข้อมูลหมวดหมู่ ทั้ง box plot, bar plot, count plot และ point plot ระหว่างทางจะได้สำรวจข้อมูลแบบสำรวจของคนหนุ่มสาวเกี่ยวกับความสนใจ ข้อมูลนักเรียนเกี่ยวกับนิสัยการเรียน และข้อมูลผู้ชายผู้ใหญ่เกี่ยวกับทัศนคติต่อความเป็นชาย

เริ่มบทเรียน

การปรับแต่งกราฟ Seaborn

ในบทสุดท้ายนี้จะเรียนรู้วิธีเพิ่มชื่อกราฟและป้ายกำกับแกนที่ให้ข้อมูลครบถ้วน ซึ่งเป็นหนึ่งในส่วนสำคัญที่สุดของการสร้างภาพข้อมูล รวมถึงการปรับแต่งสไตล์ของภาพข้อมูลเพื่อช่วยให้ผู้ชมเข้าใจประเด็นสำคัญได้รวดเร็วขึ้น จากนั้นจะนำทุกสิ่งที่เรียนมารวมกันในแบบฝึกหัดสุดท้ายของคอร์ส