以下是針對上一篇文章中的課後練習中每個問題的詳細解答，包括程式碼和結果解釋。
練習 1：繪製每天平均小費的柱狀圖
題目
使用內建資料集 tips，繪製每天平均小費的柱狀圖。
解答
- 使用 Seaborn 的
barplot繪製圖表。 - 設置
x為天數 (day)，y為小費 (tip)。 - 設置標題和坐標軸標籤以增加可讀性。
import seaborn as sns
import matplotlib.pyplot as plt
# 載入內建資料集
tips = sns.load_dataset("tips")
# 繪製柱狀圖
sns.barplot(x="day", y="tip", hue="day", data=tips, errorbar="sd", palette="Blues", legend=False)
plt.title("Average Tip by Day")
plt.xlabel("Day of the Week")
plt.ylabel("Average Tip ($)")
plt.show()
結果解釋
- 每根柱子代表某一天的平均小費。
- 將 hue="day" 加入 sns.barplot 呼叫，將每個“day”值對應到不同的顏色。
- 如果不需要圖例，可以透過設定 legend=False 來避免顯示圖例。
- 調色板使用
Blues，讓圖表更加美觀。
練習 2：生成相關係數的熱力圖
題目
使用自己的數據，生成一個相關係數的熱力圖，視覺化數據的相關性。
解答
- 建立一個 Pandas DataFrame，模擬自己的數據。
- 計算數據的相關係數矩陣。
- 使用 Seaborn 的
heatmap繪製熱力圖。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 建立自定義數據
data = {
"Math_Score": [80, 85, 88, 92, 70, 75, 78],
"Science_Score": [85, 88, 84, 91, 68, 77, 80],
"English_Score": [78, 82, 85, 89, 73, 76, 77]
}
df = pd.DataFrame(data)
# 計算相關係數矩陣
corr = df.corr()
# 繪製熱力圖
plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap="coolwarm", fmt=".2f", linewidths=0.5)
plt.title("Correlation Heatmap")
plt.show()
結果解釋
- 熱力圖中的每個格子代表兩組變數之間的相關係數。
annot=True在每個格子中顯示具體的相關係數值。cmap="coolwarm"使用藍-紅色調，讓相關性強弱更易辨識。
練習 3：結合 Matplotlib 與 Seaborn 製作報表
題目
將 Seaborn 的繪圖與 Matplotlib 的自訂功能結合，製作更複雜的報表，例如增加多個圖表。
解答
- 使用 Matplotlib 的
plt.subplot方法，構建多個子圖。 - 在每個子圖中使用 Seaborn 繪製不同的圖表。
- 添加全局標題和註解。
import seaborn as sns
import matplotlib.pyplot as plt
# 加載內建資料集
tips = sns.load_dataset("tips")
# 設置畫布大小
plt.figure(figsize=(14, 8))
# 子圖 1：散點圖
plt.subplot(2, 2, 1)
sns.scatterplot(x="total_bill", y="tip", hue="sex", data=tips)
plt.title("Scatter Plot: Total Bill vs Tip")
plt.xlabel("Total Bill ($)")
plt.ylabel("Tip ($)")
# 子圖 2：直方圖
plt.subplot(2, 2, 2)
sns.histplot(tips["total_bill"], bins=20, kde=True, color="orange")
plt.title("Distribution of Total Bill")
plt.xlabel("Total Bill ($)")
plt.ylabel("Frequency")
# 子圖 3：箱型圖
plt.subplot(2, 2, 3)
sns.boxplot(x="day", y="total_bill", hue="sex", data=tips, palette="Set2")
plt.title("Box Plot: Total Bill by Day and Sex")
plt.xlabel("Day of the Week")
plt.ylabel("Total Bill ($)")
# 子圖 4：條形圖
plt.subplot(2, 2, 4)
sns.barplot(x="day", y="tip", data=tips, errorbar="sd", palette="coolwarm")
plt.title("Average Tip by Day")
plt.xlabel("Day of the Week")
plt.ylabel("Average Tip ($)")
# 添加全局標題
plt.suptitle("Comprehensive Data Visualization with Seaborn", fontsize=16)
plt.tight_layout(rect=[0, 0, 1, 0.95]) # 調整佈局避免重疊
plt.show()
結果解釋
- 報表展示了同一數據的多角度視覺化，便於進行數據分析。
plt.subplot分別繪製 4 個子圖。- 使用 Matplotlib 的
suptitle添加全局標題。 tight_layout自動調整子圖間距，避免圖表重疊。
總結
通過這些練習，你可以：
- 熟悉 Seaborn 的基礎功能和不同圖表的繪製。
- 掌握如何結合 Matplotlib 添加額外的自訂功能。
- 為數據分析過程提供更專業和清晰的視覺化工具。
建議讀者將這些範例應用於自己的數據，進一步理解 Seaborn 和資料視覺化的強大之處！