Ćwiczenie — analizowanie danych przy użyciu biblioteki Seaborn

  • 5 min

Jedną z najlepszych cech usługi Azure Notebooks (oraz ogólnie języka Python) jest to, że umożliwia korzystanie z tysięcy bibliotek typu open-source do wykonywania skomplikowanych zadań bez konieczności pisania długiego kodu. Podczas tej lekcji użyjesz biblioteki Seaborn służącej do celów wizualizacji statystycznej, aby utworzyć wykres na podstawie drugiego załadowanego zestawu danych, który obejmuje okres od 1882 r. do 2014 r. Biblioteka Seaborn umożliwia utworzenie linii regresji oraz przewidywania pokazującego, gdzie zgodnie z tą regresją powinny przypadać punkty danych, za pomocą jednego prostego wywołania funkcji.

  1. Umieść kursor w pustej komórce w dolnej części notesu. Zmień typ komórki na markdown i wprowadź tekst „Perform linear regression with Seaborn” (Wykonywanie regresji liniowej za pomocą biblioteki Seaborn).

  2. Dodaj komórkę code i wklej poniższy kod.

    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. Uruchom komórkę „code”, aby wygenerować wykres punktowy z linią regresji oraz wizualną reprezentację zakresu, w którym powinny znajdować się punkty danych.

    Porównanie wartości rzeczywistych i przewidywanych wartości wygenerowanych za pomocą biblioteki Seaborn.

    Porównanie rzeczywistych wartości z przewidywanymi wartościami wygenerowanymi przez bibliotekę Seaborn

Zwróć uwagę, że punkty danych dla pierwszych 100 lat pasują do przewidywanych wartości, a punkty danych od około roku 1980 — nie. To takie modele skłaniają naukowców do myślenia, że zmiany klimatyczne przyspieszają.