Cvičení – analýza dat pomocí knihovny Seaborn

  • 5 min

Skvělé na Azure Notebooks (a obecně na Pythonu) je to, že existuje spousta open-source knihoven, pomocí kterých můžete provádět složité úkoly a nemusíte napsat mnoho kódu. V této lekci použijeme knihovnu Seaborn (knihovna pro statistické vizualizace) ke grafickému znázornění druhé sady dat, kterou jste načetli. Tato sada pokrývá roky 1882 až 2014. Seaborn může vytvořit regresní přímku spolu s odhadem toho, kam by mohly datové body na základě regrese spadat, a to jedním jednoduchým voláním funkce.

  1. Umístěte kurzor do prázdné buňky v dolní části poznámkového bloku. Změňte typ buňky na Markdown a zadejte do ní text „Perform linear regression with Seaborn" (Provedení lineární regrese pomocí knihovny Seaborn).

  2. Přidejte buňku typu Code a vložte do ní následující kód.

    plt.scatter(years, mean)
plt.title('scatter plot of mean temp difference vs year')
plt.xlabel('years', fontsize=12)
plt.ylabel('mean temp difference', fontsize=12)
sns.regplot(yearsBase, meanBase)
plt.show()

  3. Spusťte buňku s kódem, aby se vytvořil bodový graf s regresní přímkou včetně grafického znázornění rozsahu, do kterého můžou datové body podle očekávání spadat.

    Porovnání skutečných hodnot a predikovaných hodnot vygenerovaných pomocí Seabornu

    Porovnání skutečných a předpovídaných hodnot vygenerované pomocí knihovny Seaborn

Všimněte si, že datové body z prvních 100 let pěkně odpovídají předpovídaným hodnotám, ale datové body zhruba od roku 1980 už ne. Takovéto modely vedou vědce k přesvědčení, že změna klimatu se zrychluje.