Einführung in die Datenvisualisierung mit Seaborn

Was ist Seaborn und wann solltest du es verwenden? In diesem Kapitel wirst du es herausfinden! Außerdem lernst du, wie du Streudiagramme und Zähldiagramme sowohl mit Datenlisten als auch mit Pandas DataFrames erstellen kannst. Du wirst auch einen der großen Vorteile von Seaborn kennenlernen - die Möglichkeit, deinen Plots ganz einfach eine dritte Variable hinzuzufügen, indem du verschiedene Untergruppen farblich darstellst.

In diesem Kapitel wirst du Diagramme erstellen und anpassen, die die Beziehung zwischen zwei quantitativen Variablen visualisieren. Dazu verwendest du Streudiagramme und Liniendiagramme, um herauszufinden, wie sich die Luftverschmutzung in einer Stadt im Laufe eines Tages verändert und wie die PS-Zahl mit der Kraftstoffeffizienz von Autos zusammenhängt. Du wirst auch einen weiteren großen Vorteil von Seaborn sehen - die Möglichkeit, mit einer einzigen Figur ganz einfach Nebenplots zu erstellen!

Kategoriale Variablen gibt es in fast jedem Datensatz, aber sie sind in Umfragedaten besonders auffällig. In diesem Kapitel lernst du, wie du kategoriale Diagramme wie Boxplots, Balkendiagramme, Zähldiagramme und Punktdiagramme erstellst und anpasst. Auf dem Weg dorthin wirst du Umfragedaten von Jugendlichen über ihre Interessen, von Studenten über ihre Lerngewohnheiten und von erwachsenen Männern über ihre Gefühle zur Männlichkeit untersuchen.

In diesem letzten Kapitel lernst du, wie du aussagekräftige Diagrammtitel und Achsenbeschriftungen hinzufügst, die zu den wichtigsten Bestandteilen jeder Datenvisualisierung gehören! Du lernst auch, wie du den Stil deiner Visualisierungen anpassen kannst, damit dein Publikum die wichtigsten Erkenntnisse schneller erkennt. Dann wirst du alles, was du gelernt hast, in den abschließenden Übungen des Kurses zusammenfügen!