Seaborn - Importowanie zbiorów danych i bibliotek

W tym rozdziale omówimy sposób importowania zestawów danych i bibliotek. Zacznijmy od zrozumienia, jak importować biblioteki.

Importowanie bibliotek

Zacznijmy od importu Pandy, która jest świetną biblioteką do zarządzania relacyjnymi (tabelarycznymi) zestawami danych. Seaborn przydaje się w przypadku ramek DataFrames, które są najczęściej używaną strukturą danych do analizy danych.

Następujące polecenie pomoże Ci zaimportować Pandy -

# Pandas for managing datasets
import pandas as pd

Teraz zaimportujmy bibliotekę Matplotlib, która pomoże nam dostosować nasze wykresy.

# Matplotlib for additional customization
from matplotlib import pyplot as plt

Zaimportujemy bibliotekę Seaborn za pomocą następującego polecenia -

# Seaborn for plotting and styling
import seaborn as sb

Importowanie zestawów danych

Zaimportowaliśmy wymagane biblioteki. W tej sekcji dowiemy się, jak zaimportować wymagane zestawy danych.

Seaborn zawiera kilka ważnych zbiorów danych w bibliotece. Po zainstalowaniu Seaborn zbiory danych są pobierane automatycznie.

Możesz użyć dowolnego z tych zbiorów danych do nauki. Za pomocą poniższej funkcji możesz załadować wymagany zbiór danych

load_dataset()

Importowanie danych jako Pandas DataFrame

W tej sekcji zaimportujemy zestaw danych. Ten zestaw danych jest domyślnie ładowany jako Pandas DataFrame. Jeśli w Pandas DataFrame jest jakaś funkcja, działa ona na tej DataFrame.

Poniższy wiersz kodu pomoże Ci zaimportować zbiór danych -

# Seaborn for plotting and styling
import seaborn as sb
df = sb.load_dataset('tips')
print df.head()

Powyższy wiersz kodu wygeneruje następujące dane wyjściowe -

total_bill  tip   sex    smoker day  time   size
0    16.99    1.01   Female  No    Sun  Dinner  2
1    10.34    1.66   Male    No    Sun  Dinner  3
2    21.01    3.50   Male    No    Sun  Dinner  3
3    23.68    3.31   Male    No    Sun  Dinner  2
4    24.59    3.61   Female  No    Sun  Dinner  4

Aby wyświetlić wszystkie dostępne zestawy danych w bibliotece Seaborn, możesz użyć następującego polecenia z rozszerzeniem get_dataset_names() funkcja, jak pokazano poniżej -

import seaborn as sb
print sb.get_dataset_names()

Powyższy wiersz kodu zwróci listę dostępnych zestawów danych jako poniższe dane wyjściowe

[u'anscombe', u'attention', u'brain_networks', u'car_crashes', u'dots', 
u'exercise', u'flights', u'fmri', u'gammas', u'iris', u'planets', u'tips', 
u'titanic']

DataFramesprzechowywać dane w postaci prostokątnych siatek, dzięki którym można je łatwo przeglądać. Każdy wiersz siatki prostokątnej zawiera wartości instancji, a każda kolumna siatki jest wektorem przechowującym dane dla określonej zmiennej. Oznacza to, że wiersze DataFrame nie muszą zawierać wartości tego samego typu danych, mogą to być wartości liczbowe, znakowe, logiczne itp. Ramki DataFrame dla Pythona są dostarczane z biblioteką Pandas i są zdefiniowane jako dwuwymiarowe, oznaczone struktury danych z potencjalnie różnymi typami kolumn.

Aby uzyskać więcej informacji na temat ramek DataFrames, odwiedź nasz samouczek dotyczący pand.