이 게시물은 Python의 Seaborn 모듈에 대한 대략적인 소개입니다. Pandas와 함께 데이터 시각화에 사용합니다. 내 작업 흐름을 이해하려면 주석을 읽으십시오. 질문은 게시물 하단에 댓글로 남길 수 있습니다.

import pandas
import seaborn
import numpy
import matplotlib.pyplot as plt

# 꼬리도 봅시다 
data_df.tail()

# 해보자 .describe() 
data_df.describe()

plt.figure(figsize=(20,15))
plot1 = seaborn.scatterplot(x="year",y="output ",hue="country ", data=data_df)
plot1.set_title("production output by year (OICA data)", fontsize=22)
plot1.set_xlabel("year",fontsize=16)

Text(0, 0.5, '출력')

plt.figure(figsize=(20,15))
plt.xticks(rotation=90)
plot2 = seaborn.boxplot(x="country ",y="output ",data=data_df)
plot2.set_title("annual production output distribution by nation, 1999 - 2018 (OICA data)",fontsize=22)
plot2.set_xlabel("country",fontsize=16)
plot2.set_ylabel("annual production output",fontsize=16)

Text(0, 0.5, '연간 생산량')

plt.figure(figsize=(20,15))
plt.xticks(rotation=90)

seaborn.set_style("whitegrid")
seaborn.set_context("talk")

plot3 = seaborn.swarmplot(x="country ",y="output ",data=data_df,color="green")

plot3.set_title("annual automotive industry production output by country from 1999 to 2018, according to OICA",fontsize=22)

plot3.set_xlabel("country",fontsize=22)

plt.axhline(data_df["output "].mean(),color="blue")

<matplotlib.lines.Line2D at 0x2b02ec39b88>

plt.figure(figsize=(20,15))

seaborn.set_context("paper")

plot4 = seaborn.lineplot(x="year",y="output ",hue="country ",data=data_df)

plot4.set_title("OICA automotive industry production output time series, 1999 - 2018",fontsize=22)

plot4.set_xlabel("year",fontsize=22)
plot4.set_ylabel("production output [units]",fontsize=22)

Text(0, 0.5, '생산량 [단위]')

Linnart Felkl

최적화 및 시뮬레이션을 전문으로하는 산업 엔지니어 (R, Python, SQL, VBA)