Seaborn in Datacamp

Introduction to Data Visualization with Seaborn

Seabornは、情報量が多く魅力的なビジュアライゼーションを簡単に作成できる、強力なPythonライブラリです。このコースでは、Seabornの紹介と、散布図、箱ひげ図、棒グラフなどのプロットを使ってデータを視覚化する方法を学びます。このコースでは、学生の趣味や学業成就に関連する要因についての調査回答を調べながら、この方法を学びます。また、信頼区間を自動的に計算する方法など、統計的可視化ツールとしてのSeabornの利点も学びます。コース終了時には、様々な場面でSeabornを使用してデータを探索し、データ分析の結果を効果的に他の人に伝えることができるようになります。

1. Introduction to Seaborn

シーボーンとは何か、どんな時に使うべきか?この章では、それを知ることができます。さらに、データのリストとpandas DataFrameの両方を使った散布図と個数分布の作成方法についても学びます。また、Seabornを使う大きな利点の1つである、色を使って異なるサブグループを表現することで、簡単に第3の変数をプロットに追加することができることも紹介されます。

2. Visualizing Two Quantitative Variables

この章では、2 つの量的変数の関係を視覚化するプロットを作成し、カスタマイズします。散布図と折れ線グラフを使って、ある都市の大気汚染レベルが1日のうちにどのように変化するか、また、馬力と自動車の燃費がどのように関連するかについて調べます。また、Seabornを使用するもう一つの大きな利点である、1つの図に簡単にサブプロットを作成することができます。

3. Visualizing a Categorical and a Quantitative Variable

カテゴリ変数は、ほぼすべてのデータセットに存在しますが、特に調査データで顕著です。この章では、箱ひげ図、棒グラフ、個数プロット、点プロットなどのカテゴリプロットを作成し、カスタマイズする方法を学びます。その過程で、若者の興味に関する調査データ、学生の学習習慣に関する調査データ、大人の男性の男らしさに関する調査データについて調べます。

4.Customizing Seaborn Plots

この最終章では、データ可視化で最も重要な部分の1つである、情報量の多いプロットタイトルと軸ラベルを追加する方法について学びます! また、視聴者に重要なポイントをすばやく伝えるために、ビジュアライゼーションのスタイルをカスタマイズする方法についても学びます。そして、コースの最後の演習で、学んだことをすべてまとめてみましょう。

Intermediate Data Visualization with Seaborn

美しく、情報量の多いビジュアライゼーションを簡単に作りたいですか?もしそうなら、seabornを学ぶ必要があります! seabornは、pythonのデータサイエンスツールキットに欠かせない可視化ライブラリです。このコースでは、seabornの洗練された可視化ツールを使って、アメリカ住宅調査、大学の授業料データ、人気テレビシリーズ「The Daily Show」のゲストなど、複数の現実世界のデータセットを分析する方法を学びます。このコースに参加すると、seabornの関数を使ってデータをいくつかの異なる形式で可視化し、seabornのプロットを独自のニーズに合わせてカスタマイズできるようになります。

1. Seaborn Introduction

Seabornライブラリの紹介と、Pythonの可視化における位置づけ。

2. Customizing Seaborn Plots

Seabornプロットの表示をカスタマイズする機能の概要です。

3. Additional Plot Types

シーボーンに含まれる、より複雑なプロットタイプの概要。

4.Creating Plots on Data Aware Grids

Seabornを使用して、1つの図に複数のプロットを描画します。