แฟกเซ็ต สี และรูปแบบ
แยกกราฟตามหมวดหมู่
แฟกเซ็ต สี และรูปแบบ เป็นบทเรียน Data Science Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Data Science Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
กราฟเดียว หลายมุมมอง
บางครั้งกราฟเดียวซ่อนข้อมูลไว้มากเกินไป การแบ่งเป็นแผงจะแยกข้อมูลของคุณเป็นตารางกราฟขนาดเล็ก โดยมีหนึ่งกราฟต่อหนึ่งหมวดหมู่ เพื่อให้แต่ละกลุ่มมีมุมมองของตนเอง
แสดงกลุ่มด้วย hue
วิธีที่เบาที่สุดในการเปรียบเทียบกลุ่มคือการใช้สี hueจะแมปหมวดหมู่เข้ากับสีภายในกราฟเดียว โดยไม่ต้องใช้แผงเพิ่มเติม
sns.scatterplot(data=df, x="x", y="y", hue="group")แบ่งเป็นคอลัมน์
หากต้องการแยกกลุ่มเป็นแผงต่างหาก ให้ใช้กราฟระดับรูปภาพร่วมกับ col แต่ละหมวดหมู่จะกลายเป็นกราฟของตนเองที่วางเคียงข้างกัน
sns.relplot(data=df, x="x", y="y", col="group")แบ่งเป็นแถวด้วย
จับคู่ col กับ row เพื่อสร้างตารางเต็มรูปแบบ ตัวแปรหนึ่งจะกระจายไปตามคอลัมน์ ขณะที่อีกตัวแปรเรียงซ้อนลงมาตามแถว
sns.relplot(data=df, x="x", y="y", col="region", row="year")ระดับรูปภาพกับระดับแกน
การแบ่งเป็นแผงต้องใช้ฟังก์ชันระดับรูปภาพ เช่น relplot, displot และ catplot ส่วนกราฟทั่วไปอย่าง scatterplot จะอยู่ภายในแผงเดียว
ตัดแถวแผงย่อยที่ยาวเกินไป
หมวดหมู่จำนวนมากทำให้เกิดแถวยาวไม่สิ้นสุด col_wrapจะบอก seaborn ว่าควรแสดงกี่แผงก่อนขึ้นบรรทัดใหม่
sns.relplot(data=df, x="x", y="y", col="city", col_wrap=3)ใช้รูปแบบแทนสี
นอกจากสีแล้ว styleยังแมปหมวดหมู่เข้ากับรูปร่างของเครื่องหมายหรือเส้นประได้ ซึ่งมีประโยชน์เมื่อพิมพ์เป็นขาวดำ
sns.lineplot(data=df, x="x", y="y", style="device")เลือกชุดสี
เปลี่ยนสีด้วย palette เลือกชุดสีสดเพื่อแยกกลุ่มที่แตกต่างกัน หรือเลือกการไล่ระดับสีสำหรับค่าที่เพิ่มจากต่ำไปสูง
sns.scatterplot(data=df, x="x", y="y", hue="group", palette="viridis")กำหนดรูปลักษณ์โดยรวม
เรียกใช้เพียงครั้งเดียวก็ปรับรูปแบบกราฟทุกกราฟพร้อมกัน set_themeควบคุมพื้นหลัง เส้นตาราง และชุดสีเริ่มต้นของเซสชัน
sns.set_theme(style="darkgrid", palette="muted")ใช้ hue และแผงย่อยร่วมกัน
คุณสามารถซ้อนวิธีเหล่านี้ได้: ใช้สีภายในแต่ละแผงและแยกแผงตามฟิลด์อื่น เพียงอย่าใส่ข้อมูลมากจนสารสำคัญสูญหาย
sns.relplot(data=df, x="x", y="y", hue="sex", col="day")น้อยแต่มักดีกว่า
hue, style และแผงย่อยที่เพิ่มขึ้นทุกอย่างล้วนเพิ่มภาระให้ผู้อ่าน ตั้งเป้าเลือกมุมมองที่เรียบง่ายที่สุดซึ่งยังตอบคำถามได้
ตรวจสอบอย่างรวดเร็ว
คุณต้องการให้แต่ละหมวดหมู่วาดอยู่ในแผงแยกของตนเอง
ทบทวน: แสดงข้อมูล แบ่งแผง และกำหนดรูปแบบ
ตอนนี้คุณซ้อนข้อมูลด้วย hue และ style แยกกลุ่มด้วยแผงย่อย และกำหนดธีมทั้งหมดให้เป็นระเบียบ โดยยังรักษาให้กราฟอ่านง่าย 🎨
คำถามที่พบบ่อย
บทเรียน “แฟกเซ็ต สี และรูปแบบ” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “แฟกเซ็ต สี และรูปแบบ” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Data Science Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “แฟกเซ็ต สี และรูปแบบ”
แยกกราฟตามหมวดหมู่ คุณปฏิบัติ Data Science Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Data Science Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Data Science Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “แฟกเซ็ต สี และรูปแบบ” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Data Science Academy นี้ได้ไหม
ได้ บทเรียน Data Science Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- เหตุใดจึงใช้ seaborn แทน matplotlib แบบพื้นฐาน
- การแจกแจง: hist, kde และ box
- ความสัมพันธ์: scatter และ line
- แฟกเซ็ต สี และรูปแบบ