教你簡單上手Seaborn資料視覺化工具的重要實作

想要洞察資料的價值，除了可以使用像是Power BI或Tableau等市面上的產品，來製作視覺化的圖表之外，Python生態系也有提供資料視覺化圖表的套件，其中之一就是Seaborn套件，讓開發人員能夠透過寫程式的方式來客製化建立資料視覺化圖表，這篇文章就以Kaggle網站的線上銷售資料集(Online Sales Data)為例，簡單上手Seaborn套件的使用方式。

• 什麼是Seaborn？

• Seaborn安裝方法

• Seaborn連結CSV資料集

• Seaborn建立資料視覺化圖表

一、什麼是Seaborn？

Seaborn是以Matplotlib為基礎建構的高階繪圖套件，透過封裝的方式，簡化圖表的設定語法，提升輸出的視覺化美感，並且支援結合Pandas資料分析套件，讓使用者能夠快速產製精美的資料視覺化圖表。

二、Seaborn安裝方法

安裝Seaborn套件非常簡單，開啟命令提示字元，利用pip指令就可以進行安裝，如下：

$ pip install seaborn

三、Seaborn連結CSV資料集

Seaborn套件安裝好之後，就可以開啟專案引用Pandas模組來讀取資料集，還有Seaborn、Matplotlib模組來建立圖表，如下範例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

接下來，利用Pandas模組來讀取Kaggle網站的線上銷售資料集(Online Sales Data)，如下範例第7行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 讀取資料集
onlineSalesData_df = pd.read_csv('Online Sales Data.csv')

四、Seaborn建立資料視覺化圖表

有了資料集之後，使用Matplotlib的pyplot模組來設定圖表的大小，如下範例第10行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 讀取資料集
onlineSalesData_df = pd.read_csv('Online Sales Data.csv')

# 設定圖表大小
plt.figure(figsize=(9, 5)) #(長,寬)

假設我們要用Seaborn套件來製作直條圖，就可以呼叫barplot()方法，並且進行圖表的設定，如下範例第12~17行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 讀取資料集
onlineSalesData_df = pd.read_csv('Online Sales Data.csv')

# 設定圖表大小
plt.figure(figsize=(9, 5))

ax = sns.barplot(data=onlineSalesData_df,  #資料來源
                 x='Product Category',  # X軸的資料欄位
                 y='Total Revenue',  # Y軸的資料欄位
                 hue='Product Category',  #變量欄位
                 palette='colorblind',  # 圖表的顏色主題Theme
                 errorbar=None)

其中，最常設定的圖表屬性包含：

• data：Seaborn圖表的資料來源，可以是Pandas DataFrame類型的資料。
• x：Seaborn圖表的X軸的資料欄位。
• y：Seaborn圖表的Y軸的資料欄位。
• hue：Seaborn圖表的變量欄位，也就是區分不同資料的欄位，以此為例就是產品類別欄位。
• palette：Seaborn圖表的顏色主題，更多的主題可以參考Seaborn的官方文件。
• errorbar：誤差條。

如果想要在Seaborn長條圖上顯示相對應的欄位資料，可以透過For迴圈來設定長條圖的標籤，如下範例第20~21行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 讀取資料集
onlineSalesData_df = pd.read_csv('Online Sales Data.csv')

# 設定圖表大小
plt.figure(figsize=(9, 5))

ax = sns.barplot(data=onlineSalesData_df,  #資料來源
                 x='Product Category',  # X軸的資料欄位
                 y='Total Revenue',  # Y軸的資料欄位
                 hue='Product Category',  #變量欄位
                 palette='colorblind',  # 圖表的顏色主題Theme
                 errorbar=None)

# 顯示欄位資料
for i in ax.containers:
    ax.bar_label(i,)

最後，利用pyplot設定Seaborn圖表的X、Y軸標籤，並且呼叫show()方法顯示資料視覺化圖表，如下範例第23~26行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# 讀取資料集
onlineSalesData_df = pd.read_csv('Online Sales Data.csv')

# 設定圖表大小
plt.figure(figsize=(9, 5))

ax = sns.barplot(data=onlineSalesData_df,  #資料來源
                 x='Product Category',  # X軸的資料欄位
                 y='Total Revenue',  # Y軸的資料欄位
                 hue='Product Category',  #變量欄位
                 palette='colorblind',  # 圖表的顏色主題Theme
                 errorbar=None)

# 顯示資料標籤
for i in ax.containers:
    ax.bar_label(i,)

plt.xlabel('Product Category')
plt.ylabel('Total Revenue')
plt.show()

執行結果

有了資料視覺化圖表，就可以很容易看出線上每種產品類別的銷售營收。幫助我們後續進行商業上的決策。

五、小結

Seaborn透過封裝的方式，讓建立圖表的方法更直覺，並且能夠利用寫程式的方式來與前端的資料來源進行串接，達到自動化建立資料視覺化圖表的目標，希望這篇文章能夠幫助大家認識Seaborn套件，初步學會建立圖表的方法，進而應用在實務上，洞察巨量資料的價值與資訊，歡迎分享給分邊在學習或實作資料視覺化圖表的朋友。

你可能有興趣的文章

• 資料視覺化必懂的Pandas套件繪製Matplotlib分析圖表實戰
• 無痛學會Power BI有效建立互動式的資料視覺化圖表
• Tableau實戰教學 - 快速打造企業級的資料視覺化圖表
• 立即用Looker Studio自動生成報表：讓數據工作變得更簡單