Hvorfor seaborn fremfor ren matplotlib
Mindre kode og smartere standardinnstillinger.
Hvorfor seaborn fremfor ren matplotlib er en gratis leksjon i Data Science Academy på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Data Science Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
En enklere måte å lage diagrammer på
matplotlib kan tegne nesten hva som helst, men krever mye kode. seaborn bygger på det og gjør vanlige diagrammer til én ryddig linje.
Importer det én gang
Fellesskapet importerer alltid seaborn som sns. Kombiner det med pandas, så er du klar til å tegne grafer med ekte data.
import seaborn as sns
import pandas as pdBygget for DataFrames
seaborn snakker DataFrame naturlig. Du sender inn en tabell og oppgir kolonner, i stedet for å hente ut rå lister manuelt.
sns.scatterplot(data=df, x="age", y="income")Smartere standardinnstillinger fra start
Legg merke til fargene, avstandene og rutenettene du aldri satte. seaborn leveres med standardinnstillinger som er tilpasset for å se ryddige ut før du endrer noe.
Angi et tema globalt
Én funksjonskall endrer utseendet på alle diagrammene i notatboken. set_theme bytter bakgrunner, skrifter og paletter for hele økten.
sns.set_theme(style="whitegrid")Statistikk er inkludert
Mange seaborn-diagrammer beregner ting for deg, for eksempel gjennomsnitt eller konfidensbånd. Det er laget for statistiske diagrammer, ikke bare linjer og punkter.
Mindre kode, samme resultat
Et gruppert stolpediagram som krever mange matplotlib-linjer, kan ofte reduseres til ett seaborn-kall. Du skriver hensikten, ikke alt det underliggende arbeidet.
sns.barplot(data=df, x="team", y="score")Det bygger fortsatt på matplotlib
seaborn erstatter ikke matplotlib, men utvider det. Alle seaborn-diagrammer er egentlig matplotlib-figurer, så verktøyene fungerer godt sammen.
Finjuster med matplotlib når som helst
Trenger du en egendefinert tittel eller aksegrense? Gå over til plt rett etter et seaborn-kall, og juster den samme figuren.
import matplotlib.pyplot as plt
plt.title("Scores by Team")Innebygde datasett å øve med
seaborn leveres med ryddige eksempeltabeller, slik at du kan eksperimentere med én gang. load_dataset gir deg en klar DataFrame uten at du må lete etter filer.
tips = sns.load_dataset("tips")Når du bør velge hva
Bruk seaborn først for raske og pene statistiske diagrammer. Gå tilbake til rå matplotlib bare når du trenger full kontroll ned på pikselnivå.
Rask sjekk
Hvordan henger seaborn sammen med matplotlib?
Oppsummering: seaborn vinner på hastighet
Du har sett hvorfor seaborn er det enkle standardvalget: Det fungerer godt med DataFrames, leveres med smarte standardinnstillinger, legger til statistikk og lar deg fortsatt finjustere med matplotlib. På tide å lage diagrammer. 📊
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Hvorfor seaborn fremfor ren matplotlib» gratis?
Ja – hele teksten i «Hvorfor seaborn fremfor ren matplotlib» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Data Science Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Data Science Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Hvorfor seaborn fremfor ren matplotlib»?
Mindre kode og smartere standardinnstillinger. Du øver på Data Science Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Data Science Academy?
Ingen tidligere erfaring er nødvendig. Data Science Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.
Hvor lang tid tar leksjonen «Hvorfor seaborn fremfor ren matplotlib»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Data Science Academy-leksjonen?
Ja. Alle Data Science Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Hvorfor seaborn fremfor ren matplotlib
- Fordelinger: hist, kde og box
- Sammenhenger: punkt- og linjediagram
- Fasetter, hue og style