數據分析基本工具-Seaborn
目錄
◈ 前言
◈ 語法說明
◇前置作業
◇圖表設計
◇常用圖表
◇實際操作
◈ 總結
前言
在上一篇文章中，我們和大家介紹了Matplotlib，今天則是要帶大家看另一個可以說是Matplotlib進階版的繪圖套件 — Seaborn！
補充：在數據分析的流程的文章中，我們有提到過5大常用的視覺化套件，若您有興趣想要了解的話可以回頭參考～
Seaborn是在Matplotlib的基礎上所建構出的，並與資料分析的套件 — Pandas緊密結合著。Seaborn的語法被認為是比Matplotlib還要更精美細緻的，可以很輕鬆的設定出好看的圖型，程式碼更是精簡，因此，若Seaborn支持的話，建議讀者以Seaborn作為第一優先的繪圖套件。若想深入了解的話可以閱讀官方文件，本文章則是將官方文件統整，並透過直接操作資料集的方式簡單的帶大家操作常用的語法，程式碼也歡迎各位可以自行取用☺️
語法說明
1. 前置作業
安裝套件
###指令介面語法
conda install seaborn #使用conda環境安裝
pip install seaborn #使用pip原生方式安裝匯入套件
import seaborn as sns #引入套件（seaborn通常會簡寫為sns）2. 圖表設計
重置成預設樣式
sns.set() 設定圖表風格
sns.set_style()#預設五種樣式：darkgrid(灰色網格)、whitegrid(白色網格)、dark(灰色背景)、white(白色背景)、ticks(黑線外框)
設定調色盤顏色
sns.set_palette()#六種不同的顏色樣式：deep、muted、pastel、bright、dark、colorblind
設定元素縮放比例
sns.set_context()#四種由細至粗的尺寸：paper、notebook、talk、poster
3. 常用圖表
因文章長度的關係，本篇文章並不會將所有的圖表都進行展示，但大致整理出了以下各種種類中常出現的圖表類型，讀者可以根據資料的種類選用適合的～
4. 實際操作
4.1 介紹資料集
本次所選用的資料集是於Kaggle上一份關於Ted Talks演講的資訊，欄位包含了演講名稱（title）、演講者（author）、日期（date）、觀看數（views）、喜歡數（likes）及網址連結（link）。
而資料總共為5440筆，跨越的時間橫渡為2009年的4月至2021年的9月。
4.2 資料前處理簡介
因繪圖所需，因此產生出了一些特徵欄位，分別為年份（year）、月份（month）即日期（date）。
而資料中並無空值，因此不需做刪除列或是補值的動作。
#產生月份欄位
df['month'] = df['date'].apply(lambda x:datetime.strptime(x, "%B %Y").month)#產生年份欄位
df['year'] = df['date'].apply(lambda x:datetime.strptime(x, "%B %Y").year)#將日期欄位轉換為想要的格式
df['date'] = df['date'].apply(lambda x:datetime.strptime(x, "%B %Y"))#將日期欄位由字串資料型態轉為日期資料型態
df['date'] = pd.to_datetime(df['date'])#將資料按照日期欄位排序
df = df.sort_values('date')
4.3 圖表繪製
- 計數圖（countplot）
類似柱狀圖，可以直接計算出每個類別的總數，並比較出個類別間的計數差，適用於類別型的資料。
sns.countplot(
x=欄位名稱, #str
y=欄位名稱, #str
data=資料來源, #dataframe
hue=資料類別分類, #str
hue_order=資料類別排序, #list
orient=水平或垂直顯示 #vertical/horizontal
)
######年份-演講次數 計數圖
sns.countplot(x="year", data=df)
#月份-演講次數 計數圖
sns.countplot(x="month", data=df)
- 折線圖（lineplot）
是由多個數據點連接而成，可用折線的方式看到趨勢，適合用於變化、連續型的資料。
sns.lineplot(
x=欄位名稱, #str
y=欄位名稱, #str
hue=資料類別分類, #str
hue_order=資料類別分類順序, #list
style=資料類別分類, #str
data=資料來源, #dataframe
dashes=線是否為虛線, #bool or list or dict
markers=資料點的呈現圖案 #bool or list or dict / EX:>,x,o,*...
)
######日期-喜歡數 折線圖
sns.lineplot(x="date", y="likes", data=df, marker='x')
#日期-觀看數 折線圖
sns.lineplot(x="date", y="views", data=df, marker='o')
- 圓餅圖（piechart）
通常使用於類別型的資料，可以表示各項目占整體資料的比例，每個扇區的弧長大小數量的比例。
此圖為matplotlib所繪，非seaborn，但因資料類別的表現狀況，因此認為圓餅圖還是較為適當。
- 熱力圖（heatmap）
因此段有用到其他中途產生的dataframe，稍微帶一下如何產出的～～
#將月份及年份合併欄位後計算數量產出新的df並命名為year_month
year_month = df.groupby(["year","month"]).size().reset_index(name='counts')為二維空間的表示圖，可表示出x與y軸個類別的相關係數，亦或是利用深淺顏色表現出發生次數或頻率的高低。
sns.heatmap(
data（資料來源）, #dataframe
linewidths=矩陣之間的間隔大小,#float
linecolor=矩陣之間的間隔顏色, #str
cmap=顏色表名稱（造型）, #str / EX：coolwarm,twilight,summer..
fmt=數據的類型, #str / EX：.1f->取到小數點後第一位
annot=是否將值標示於圖表中. #bool)
######年份、月份及演講次數熱力圖
sns.heatmap(year_month.pivot("year", "month", "counts"), annot=True, cmap="Blues", fmt='g')
cmap的造型樣式有非常多種，可幫助圖表示得更清楚及符合主題，大家可參考以下連結，該文章幾乎整理出了所有可調用的樣式供大家選用～
- 回歸線圖（regplot）
先將所有資料點利於點圖方式呈現，再找出回歸線，可藉此看出資料分布的趨勢。
sns.regplot(
x=欄位名稱, #str
y=欄位名稱, #str
data=資料來源, #dataframe
ci=信賴區間, #int(0-100)
color=資料點的顏色, #str
marker=資料點的圖案, #str
scatter_kws=可單獨改變資料點的顏色, #dict
line_kws=可單獨改變折線的顏色, #dict
ax=子圖, #bool
truncate=截斷/延伸回歸線 #bool
)
######年份及演講次數回歸線圖
sns.regplot(x="year", y="counts", data=year_month, truncate=False, color='red', marker='+')
#月份及演講次數回歸線圖
sns.regplot(x="month", y="counts", data=year_month)
- 盒鬚圖（boxplot）
是一種可以顯示出資料分布的統計圖，可看出離群值、平均數、全距或四分位距等。
✏︎sns.despine()用於設定邊界、匡線等
sns.boxplot(
x=欄位名稱, #str
y=欄位名稱, #str
hue=資料分類類別, #str
data=資料來源, #dataframe
order=資料分類類別順序, #list
hue_order=資料分類類別順序, #list
orient=垂直或水平顯示圖表, #vertical/horizontal
color=顏色, #str
palette=圖像的色調, #str EX:gist_gray,YlOrRd_r..
linewidth=劃分每個單元格的線的寬度, #float
ax=子圖 #bool
)
######年份及演講次數盒鬚圖
sns.boxplot(x="year", y="views", data=df, palette='icefire')
sns.despine(offset=10, trim=True) #offset->類別數量
#月份及演講次數盒鬚圖
sns.boxplot(x="month", y="views", data=df, palette='flag')
sns.despine(offset=10, trim=True) #trim->是否設定邊界
- 小提琴圖（violinplot）
可以展示出多種資料類別的分布狀況及概率密度，提琴中間有條黑色粗線，可看出資料的四分位距，是集合盒鬚圖及密度圖優點於一身的圖形類別。
sns.violinplot(
x=欄位名稱, #str
y=欄位名稱, #str
hue=資料分類類別, #str
data=資料來源, #dataframe
order=資料分類類別, #list
hue_order=資料分類類別順序, #list
orient=垂直或水平顯示圖表, #vertical/horizontal
color=顏色, #str
palette=圖像的色調, #str EX:hsv,Pastel2,magma..
saturation=顏色飽和度. #float
)
######月份及喜歡次數小提琴圖
sns.violinplot(data=df, x='month', y='likes', palette='magma', float=0.6)
總結
讀者閱讀完本文章以後，應該會發現其實各圖表的語法差異並不大，參數也都是差不多的，只是可能有些會因為需求多出了一兩個其他的參數做調整，與Matplotlib相比更簡易好操作，圖表也更精緻了一些，顏色設計上都美觀了許多，因此才會推薦讀者若有視覺化上的需可以Seaborn作為首選！
教育部補助大專院校STEM領域及女性研發人才培育計畫目標為建構一個「以智慧物聯技術與實務應用為基礎的教育環境和實作場域」，並規劃出符合此STEM教育領域的創新特色課程，以畢業前進入企業實習的方式，讓學生了解相關產業界所面對的問題，再輔以業界實作場域的教育訓練活動，共同帶領學生發展出動手做、判斷與解決問題的相關技能；本計畫也規劃讓學生以專題實作的組隊方式，跟業界協力領導學生對外參與智慧物聯技術的應用競賽，不僅可以累積學生實務開發的能力，更能激發其潛能來幫助企業解決所面臨的難題。
Data Science Meetup 台灣資料科學社群的使命是「為資料科學人士與企業創建經濟機會」。我們相信大數據蘊藏著巨量的信息和價值，如何處理好大數據並發掘其潛藏的商業價值，就要靠資料科學有效的應用。21世紀是資料科學決勝時代，我們社群將為大家提供與資料科學相關的最新技術和資訊實戰攻略，並透過全球業界人士和學者幫助相關職業規劃與挑戰，社群活動包含
- 台北實體版聚
- 線上版聚
- Mentorship Program
歡迎加入我們社團瞭解更多資訊： https://www.facebook.com/groups/datasciencemeetup/
