跳到主要內容

Day 21 Seaborn 統計圖表

Day 21 Seaborn 統計圖表

引言

Day 20 我們學會用 Matplotlib 畫出折線圖、長條圖、散佈圖，已經能處理大部分的圖表需求。但當資料量變大、需要同時呈現「分佈」、「相關性」、「類別比較」這類統計主題時，Matplotlib 的程式碼會變得冗長，圖表的配色也常常不夠理想。這時候，與其每次都自己慢慢調整，不如交給專門為統計設計的 Seaborn。

Seaborn 是基於 Matplotlib 開發的高階繪圖函式庫，專門為統計視覺化設計。它內建多種適合統計分析的圖表類型，配色也更精緻，只要幾行程式碼就能畫出過去要寫十幾行才能完成的圖。今天會介紹四個常用的 Seaborn 圖表：直方圖、箱形圖、散佈圖矩陣與熱力圖，並學會用主題與調色盤統一圖表風格。

這篇會假設你已經裝好 Seaborn 0.13 以上版本，並熟悉基本的 Pandas 操作。如果你對 DataFrame 的操作還不熟，可以先回去複習 Day 17、Day 18。今天的重點在於「如何用 Seaborn 把資料的統計特徵快速視覺化」。

Seaborn 入門與主題設定

Seaborn 的使用方式和 Matplotlib 類似，但要記得先匯入並設定主題。常見的主題有 "darkgrid"、"whitegrid"、"dark"、"white"、"ticks"，其中 "whitegrid" 是最常用的，因為它有淺色格線，閱讀數據時更不吃力。設定主題後，所有 Seaborn 圖表都會自動套用該風格。

import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="whitegrid", palette="muted")

tips = sns.load_dataset("tips")
print(tips.head())

輸出：

   total_bill   tip     sex smoker  day    time  size
0       16.99  1.01   Female     No  Sun  Dinner     2
1       10.34  1.66     Male     No  Sun  Dinner     3
2       21.01  3.50     Male     No  Sun  Dinner     3
3       23.68  3.31     Male     No  Sun  Dinner     2
4       24.59  3.61   Female     No  Sun  Dinner     4

sns.load_dataset("tips") 會從 Seaborn 內建的範例資料集中載入「小費」資料，記錄餐廳顧客的總消費、小費、性別、吸菸習慣、用餐時段等欄位。Seaborn 內建十多個範例資料集，很適合練習用。常用的還有 "iris"（鳶尾花）、"titanic"（鐵達尼號乘客）、"penguins"（企鵝形態資料）等，明天 Day 22 會實際用它們做探索分析。

直方圖與分佈圖：了解資料分佈

想知道一個數值欄位的分佈狀況（例如小費金額大多落在哪個區間），最常用的就是直方圖。Seaborn 的 histplot() 會自動分箱並畫出頻率長條；加上 kde=True 還會疊上一條平滑的密度曲線。直方圖回答的核心問題是「資料集中在哪裡、離散程度如何」。

fig, ax = plt.subplots(figsize=(7, 4))
sns.histplot(data=tips, x="tip", bins=20, kde=True, ax=ax)
ax.set_title("小費金額分佈")
ax.set_xlabel("小費（美元）")
ax.set_ylabel("次數")
plt.show()

輸出是一張直方圖，大部分小費集中在 2 到 4 美元之間，隨金額增加而快速遞減；右側那條曲線則是核心密度估計，能讓我們快速看出分佈的形狀與偏態。如果資料量更大或想同時比較多組分佈，可以改用 kdeplot()。bins 參數決定分箱數量，數字太小會看不出細節、太大又會讓圖變得破碎；實務上 20 到 50 之間通常是不錯的起點。

箱形圖：跨組別比較分佈

當我們想比較不同類別下某個數值欄位的分佈，例如「不同用餐時段的小費差異」，箱形圖（box plot）是最常用的圖。它會把中位數、四分位數、極端值一次畫出來，比長條圖多出很多資訊。箱形圖特別適合「類別不多、每組樣本數不少」的情境。

fig, ax = plt.subplots(figsize=(7, 4))
sns.boxplot(data=tips, x="day", y="total_bill", hue="time", ax=ax)
ax.set_title("各天各時段的總消費分佈")
ax.set_xlabel("星期")
ax.set_ylabel("總消費（美元）")
plt.show()

輸出是一張有四個箱子（週四到週日）的箱形圖，每個箱子再用 hue="time" 拆成午餐與晚餐兩組。每個箱子的中間橫線是中位數，箱子的上下邊是第 25 與第 75 百分位數，上下延伸出去的鬚鬚則是大部分資料的範圍，鬚外的點則是離群值。從這張圖就能看出週六晚餐的消費普遍較高。hue 參數可以把每個類別再拆成子組別，是 Seaborn 處理「兩個類別變數」最方便的工具。

散佈圖矩陣：一次看多個變數

當我們有多個數值欄位，想要快速觀察「哪些變數之間可能有相關」，pairplot() 是最快的選擇。它會把每一對變數畫成散佈圖，並在對角線上畫出每個變數的分佈圖。這種圖在 EDA 階段特別好用，可以一次掌握整份資料的結構。

sns.pairplot(tips, hue="sex", vars=["total_bill", "tip", "size"])
plt.show()

執行後會得到一張 3×3 的圖表網格：對角線上是三個變數各自的直方圖（依性別分色），非對角線則是兩兩變數之間的散佈圖。從圖上可以立刻看到 total_bill 與 tip 呈現明顯的正相關，但 size 與 tip 的相關就弱很多。pairplot() 是探索性資料分析（EDA）時的利器，但變數太多的時候圖會變得很大且擁擠，超過 5 個變數就要考慮只用相關矩陣搭配熱力圖。

熱力圖：呈現相關矩陣

散佈圖矩陣的缺點是當變數很多時，圖會變得太大不好閱讀。這時可以先用 DataFrame.corr() 算出相關係數矩陣，再交給 heatmap() 畫成熱力圖。熱力圖特別適合「變數數量多、想看整體相關結構」的場景，是模型特徵篩選的利器。

import numpy as np

numeric = tips[["total_bill", "tip", "size"]]
corr = numeric.corr()

fig, ax = plt.subplots(figsize=(6, 5))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="coolwarm",
            vmin=-1, vmax=1, ax=ax)
ax.set_title("數值欄位相關矩陣")
plt.show()

輸出是一張正方形的熱力圖，每個格子裡用顏色與數字標出相關係數（範圍 -1 到 1）。cmap="coolwarm" 把正相關畫成紅、負相關畫成藍，annot=True 把數字直接寫在格子上。這種圖一眼就能看出哪些變數彼此高度相關，特別適合做特徵篩選。在 Day 38 設計模型時，相關性過高的變數（多重共線性）通常會被移除或合併。

調色盤與自訂風格

Seaborn 的另一個強項是內建多套調色盤，讓圖表配色更協調。常見的調色盤有 "deep"、"muted"、"pastel"、"bright"、"dark"、"colorblind"。如果想指定特定數量的顏色，可以加數字，例如 "deep" 配 6 種顏色。配色不只是美觀問題，更影響資訊傳達——對色盲讀者友善的調色盤，能讓你的圖被更多人正確閱讀。

sns.set_theme(style="white", palette="Set2")

fig, ax = plt.subplots(figsize=(7, 4))
sns.boxplot(data=tips, x="day", y="tip", ax=ax)
ax.set_title("各天小費分佈（Set2 配色）")
plt.show()

換了配色與主題之後，圖會從原本的淺色格線變成白色背景、柔和色調，看起來更接近期刊或商業簡報的風格。Set2 是一組對色盲也友善的色票，適合在需要展示給多元觀眾時使用。如果報告中要列印成黑白，建議加上不同線型或標記形狀，讓讀者仍能區分各組。

結語

今天用 Seaborn 把 Day 20 的基礎延伸到了統計視覺化。直方圖讓我們看清分佈，箱形圖幫助我們跨組別比較，散佈圖矩陣與熱力圖則讓我們一眼掌握多變數之間的相關性。搭配主題與調色盤，幾行程式碼就能做出接近專業報告的圖表。Seaborn 還有很多更專門的圖，例如 violinplot()（小提琴圖）、jointplot()（聯合分佈圖）、clustermap()（階層分群的熱力圖），有興趣可以進一步閱讀官方文件。

明天，我們會把這兩天學到的 Pandas、Matplotlib、Seaborn 整合起來，做一次完整的資料探索實戰（EDA），把一份陌生的資料集從頭到尾看個仔細。

標籤：

留言

張貼留言

這個網誌中的熱門文章

Day 2 變數與資料型別

Day 2 變數與資料型別 引言 寫程式的過程中，變數與資料型別是處理資料的基礎。變數是存放資料的容器，資料型別則決定這筆資料有哪些特性、可以進行哪些操作。學會定義變數、認識各種資料型別，是學好 Python 的關鍵一步。 這篇文章會帶你了解 Python 中變數的觀念、如何定義變數，以及常見的資料型別，包括整數、浮點數、字串、布林值，還有串列、元組、字典與集合等容器型別。我們也會介紹變數的命名規則與撰寫風格建議，以及如何用 type() 檢查資料型別。 什麼是變數？如何在 Python 中定義變數 變數是在程式執行時用來存放資料的名稱。透過定義變數，我們可以給一筆資料一個名字，並在程式的其他地方用這個名字取用該筆資料。在 Python 中，變數不需要事先宣告型別，因為 Python 是動態型別語言，變數的型別由指定給它的值決定。 定義變數的基本語法 在 Python 中定義變數非常簡單，只要用賦值符號 = 把值指定給變數即可。例如： x = 5 # 定義變數 x，並把整數 5 賦值給它 name = "Alice" # 定義變數 name，並把字串 "Alice" 賦值給它 在這裡，x 是一個變數，被賦予整數 5；name 是另一個變數，被賦予字串 "Alice"。 變數的更新與覆寫 變數的值可以修改，也就是說，我們可以在程式的不同地方給同一個變數新的值。例如： x = 10 # x 最初被賦予 10 x = 15 # x 的值現在被更新為 15 這樣就能依照需求，在程式執行過程中靈活調整變數的值。 Python 的動態型別系統 Python 和某些靜態型別語言不同，定義變數時不需要宣告型別。賦值時，Python 會根據值自動判斷變數的型別。例如： x = 5 # x 是整數 x = 3.14 # x 變成浮點數 x = "Hi" # x 變成字串 同一個變數在程式執行過程中可以存放不同型別的值，這是 Python 的彈性之一。 常見資料型別 在 Python 中，資料型別決定我們可以對變數進行哪些操作...
張貼留言
閱讀完整內容

Day 1 Python 簡介與環境設定

Day 1 Python 簡介與環境設定 引言 在現在的科技環境裡，程式設計已經是一項重要技能。無論你是對資料科學有興趣、想成為開發者，或是想踏入人工智慧（AI）領域，學會寫程式都能明顯提升你的競爭力。在眾多程式語言中，Python 因為語法簡單、功能強大、應用範圍廣泛，成為許多人進入程式世界的第一選擇。這篇文章會帶你認識 Python 的背景與優勢，並一步步教你在不同系統上安裝與設定 Python 開發環境，最後寫出第一支 Python 程式。 為什麼選擇 Python？ Python 是一種高階程式語言，由 Guido van Rossum 在 1991 年發布。Python 的設計哲學強調程式碼的可讀性，並用縮排來定義程式區塊，這點和許多使用大括號的語言不同。簡潔的語法讓它成為初學者的理想選擇；就算是經驗豐富的開發者，也能用它完成複雜的專案。 Python 的優勢如下： 簡單易學 ：Python 的語法清楚、結構簡潔，初學者很快就能上手。和其他語言相比，學習曲線相對平緩，不需要先弄懂一堆複雜觀念，就能開始寫程式。 應用範圍廣泛 ：從資料科學、網頁開發、人工智慧、機器學習、自動化測試到網路爬蟲，Python 都有大量開源函式庫與工具支援，而且在這些領域都扮演關鍵角色。 豐富的函式庫與框架 ：Python 的函式庫生態系非常龐大。做資料分析有 NumPy、Pandas；開發網站有 Django、Flask；做深度學習有 TensorFlow、PyTorch。各種需求幾乎都能找到對應的套件，讓開發更有效率。 跨平台支援 ：Python 支援 Windows、macOS、Linux 等作業系統，程式通常不需要太多修改就能跨平台執行，讓開發與部署更有彈性。 活躍的社群 ：Python 擁有龐大的開發者社群。學習或開發上遇到問題，幾乎都能在社群與論壇（例如 Stack Overflow）找到答案，對初學者來說是很強的後盾，也能減少卡關時的挫折感。 Python 的應用領域 Python 的流行與強大功能，讓許多領域都開始大量使用它。以下是幾個常見的應用方向： 資料科學 ：隨著大數據與人工智慧興起，資料科學大量使用 Python。NumPy、Pandas 與 Matplotlib 等工具能處理和分析龐...
張貼留言
閱讀完整內容

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門 隨著人工智慧（AI）與深度學習（Deep Learning）快速發展，越來越多人對這些技術產生興趣。不論你是想踏入 AI 領域的初學者，還是已經有程式基礎的開發者，學好 Python 與深度學習框架（例如 PyTorch），都能為你打開更多可能。 為什麼選擇 Python？ Python 已經是資料科學與人工智慧領域的首選語言。它的語法簡潔、容易上手，而且擁有龐大的生態系與大量開源函式庫。無論是資料處理、資料視覺化，還是建立機器學習與深度學習模型，Python 都能勝任。對想進入 AI 或資料科學領域的人來說，它幾乎是必備工具。 PyTorch 是什麼？ PyTorch 是由 Meta（原 Facebook）AI 研究團隊開發的開源深度學習框架，以易用、靈活和動態計算圖著稱，是許多 AI 研究人員與開發者的首選。相較於其他框架，PyTorch 的寫法更貼近原生 Python，對初學者相對友善。無論是簡單的實驗，還是複雜的深度學習模型，PyTorch 都能提供強大的支援。 這個系列能帶給你什麼？ 這個系列會從 Python 的基礎開始，帶你一步一步學習，最後能自己用 PyTorch 建立深度學習模型。即使你完全沒有寫過程式，也能跟著文章的節奏累積技能，理解 AI 與深度學習的核心觀念。 本系列涵蓋的主題 Python 基礎：從變數、條件判斷到函式與模組。 資料處理工具：用 NumPy 與 Pandas 有效率地操作資料。 資料視覺化：用 Matplotlib 與 Seaborn 把資料畫成圖表。 深度學習的數學基礎：線性代數、微積分與機率。 PyTorch 入門：理解張量、模型建構與 GPU 加速。 基礎深度學習模型：CNN 與 RNN 的實作應用。 深度學習專案實戰：從資料前處理到模型部署的端到端流程。 誰適合這個系列？ 程式初學者 ：如果你對 AI 充滿好奇，卻還沒寫過程式，系列的第一部分會帶你快速上手 Python，並幫助你理解深度學習的基本觀念。 資料科學愛好者 ：如果你已經熟悉一些資料處理方法，進階部分會教你如何用 PyTorch 建構深度學習模型。 開發者與研究人員 ：想更深入了...
張貼留言
閱讀完整內容