想快速学会数据可视化？这里有一门4小时的Kaggle微课程
想要制作漂亮的可视化图表吗？Kaggle 平台上有一个数据可视化的微课程，总时长才 4 小时。快来学习吧！
课程地址：https://www.kaggle.com/learn/data-visualization-from-non-coder-to-coder
课程简介
该课程为免费课程，共包含 15 节课，时长 4 小时。主讲人 Alexis Cook 曾就读于杜克大学、密歇根大学和布朗大学，在多个在线学习平台（如 Udacity 和 DataCamp）教授数据科学。
这门课程使用的数据可视化工具是 Seaborn，所以学员需要稍微了解如何写 Python 代码。不过没有任何编程经验的人也可以通过该课程学会数据可视化，正如课程名称那样：Data Visualization: from Non-Coder to Coder，透过数据可视化见证编程的魅力。
该课程包含 15 节课，分为课程讲解和练习两类，每一堂讲解课后都有一节练习课，让学员及时巩固和应用所学知识。
课程涉及对数据可视化工具 Seaborn 的介绍，如何绘制折线图、柱状图、热图、散点图、分布图，如何选择图表类型和自定义样式，课程期末项目，以及如何举一反三为自己的项目创建 notebook。课程目录如下所示：
下面，我们将选取其中一节课——散点图（Scatter Plots）进行简单介绍。
如何创建高级散点图
点进去你会在左侧看到这节课的大致内容，如下图所示，「散点图」共包含五个部分：
btw，眼尖的读者会发现，下面还有一个 comments 版块。所以，该课程还是交互式的呢，你可以边学习边评论。
通过这节课，你将学习如何创建高级的散点图。
设置 notebook
首先，我们要设置编码环境。
输入：
import pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snsprint("Setup Complete")
输出：
Setup Complete
加载和检查数据
我们将使用一个保险费用（合成）数据集，目的是了解为什么有些客户需要比其他人支付得更多。数据集地址：https://www.kaggle.com/mirichoi0218/insurance/home
输入：
# Path of the file to readinsurance_filepath = "../input/insurance.csv"# Read the file into a variable insurance_datainsurance_data = pd.read_csv(insurance_filepath)
打印前五行，以检查数据集是否正确加载。
输入：
insurance_data.head()
输出：
散点图
为了创建简单的散点图，我们使用 sns.scatterplot 命令并指定以下值：
水平 x 轴（x=insurance_data['bmi']）
垂直 y 轴（y=insurance_data['charges']）
输入：
sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'])
输出：
<matplotlib.axes._subplots.AxesSubplot at 0x7f4d146c3dd8>
上面的散点图表明身体质量指数（BMI）和保险费用是正相关的，BMI 指数更高的客户通常需要支付更多的保险费用。（这也不难理解，高 BMI 指数通常意味着更高的慢性病风险。）
如果要再次检查这种关系的强度，你可能需要添加一条回归线，或者最拟合数据的线。我们通过将该命令更改为 sns.regplot 来实现这一点。
输入：
sns.regplot(x=insurance_data['bmi'], y=insurance_data['charges'])
输出：
/opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval<matplotlib.axes._subplots.AxesSubplot at 0x7f4d10de8748>
着色散点图
我们可以使用散点图展示三个变量之间的关系，实现方式就是给数据点着色。
例如，为了了解吸烟对 BMI 和保险费用之间关系的影响，我们可以给数据点 'smoker' 进行着色编码，然后将'bmi'、'charges'作为坐标轴。
输入：
sns.scatterplot(x=insurance_data['bmi'], y=insurance_data['charges'], hue=insurance_data['smoker'])
输出：
<matplotlib.axes._subplots.AxesSubplot at 0x7f4d10d0c6a0>
以上散点图展示了不抽烟的人随着 BMI 指数的增加保险费用会稍有增加，而抽烟的人的保险费用要增加得多得多。
要想进一步明确这一事实，我们可以使用 sns.lmplot 命令添加两个回归线，分别对应抽烟者和不抽烟者。（你会看到抽烟者的回归线更加陡峭。）
输入：
sns.lmplot(x="bmi", y="charges", hue="smoker", data=insurance_data)
输出：
/opt/conda/lib/python3.6/site-packages/scipy/stats/stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval<seaborn.axisgrid.FacetGrid at 0x7f4d10c73240>
sns.lmplot 命令与其他命令有一些不同：
这里没有用 x=insurancedata['bmi'] 来选择 insurancedata 中的'bmi'列，而是设置 x="bmi"来指定列的名称。
类似地，y="charges" 和 hue="smoker"也包含列的名称。
我们使用 data=insurance_data 来指定数据集。
最后，还有一个图要学。我们通常使用散点图显示两个连续变量（如"bmi"和 "charges"）之间的关系。但是，我们可以调整散点图的设计，来侧重某一个类别变量（如"smoker"）。我们将这种图表类型称作类别散点图（categorical scatter plot），可使用 sns.swarmplot 命令构建。
输入：
sns.swarmplot(x=insurance_data['smoker'], y=insurance_data['charges'])
输出：
<matplotlib.axes._subplots.AxesSubplot at 0x7f4d10c50c88>
除此之外，这个图向我们展示了：
不抽烟的人比抽烟的人平均支付的保险费用更少；
支付最多保险费用的客户是抽烟的人，而支付最少的客户是不抽烟的人。
Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: