Zależności: scatter i line
Wykreślanie dwóch zmiennych razem
Zależności: scatter i line to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
From One Column to Two
Distributions look at a single column. Now you ask how two columns move together, which is the heart of finding a relationship.
The Scatter Plot
A scatter plot places one dot per row, using two columns as x and y. The cloud of dots reveals how the variables connect.
sns.scatterplot(data=df, x="hours", y="score")Read the Pattern
Dots sloping up mean a positive link, sloping down means negative, and a shapeless blob means little correlation between them.
Add a Third Dimension With hue
Color the dots by a category using hue. Now one plot shows the relationship split across each group at the same time.
sns.scatterplot(data=df, x="hours", y="score", hue="grade")Size Encodes a Fourth Variable
Map a column to dot size to pack in even more. Bigger dots can mean larger sales, population, or any numeric measure.
sns.scatterplot(data=df, x="hours", y="score", size="effort")The Line Plot
When x is ordered, like dates or steps, a line plot connects the points to show how a value changes over that sequence.
sns.lineplot(data=df, x="month", y="revenue")Scatter vs Line
Use a scatter for unordered pairs and a line when the x axis flows in order. Picking the right one keeps the trend honest.
Lines Aggregate Automatically
If several rows share an x value, seaborn averages their y and draws a shaded confidence band around the line for you.
Multiple Lines With hue
Add hue to a line plot and each category becomes its own colored line. Comparing trends across groups takes just one extra word.
sns.lineplot(data=df, x="month", y="revenue", hue="region")Add a Trend Line With regplot
Want the best-fit line drawn through a scatter? regplot overlays a regression line so the direction is impossible to miss.
sns.regplot(data=df, x="hours", y="score")Correlation Is Not Causation
A clear upward cloud shows two things rise together, not that one causes the other. Always pair a plot with judgment.
Quick Check
Your x axis is ordered by month and you want to show change over time.
Recap: Show How Two Things Connect
You can now reveal relationships with scatter for pairs and lines for ordered trends, and add hue or size to layer in more. 🔗
Często zadawane pytania
Czy lekcja „Zależności: scatter i line” jest bezpłatna?
Tak — pełny tekst „Zależności: scatter i line” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Zależności: scatter i line”?
Wykreślanie dwóch zmiennych razem Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Zależności: scatter i line”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego seaborn zamiast surowego matplotlib
- Rozkłady: hist, kde i box
- Zależności: scatter i line
- Facety, odcień i styl