企业官网建设流程全解析

前言

Seaborn 是 Python 常用於統計資料視覺化的高階套件，建立於 Matplotlib 的基礎之上，能用簡短的程式碼繪製出視覺效果且資訊豐富的圖表。

安裝套件

pip install seaborn

前置準備: (選項)

在 Seaborn 中要正常顯示中文，需要指定系統中已安裝的中文標題字型名稱，否則中文會變成方塊（亂碼）。

import matplotlib.font_manager as fm system_fonts = fm.fontManager.ttflist chinese_fonts = [ f.name for f in system_fonts if any(keyword in f.name for keyword in ['TC', 'HK', 'SC', 'TC', 'Ming', 'Hei', 'Kai', 'Arial Unicode']) ] print("系統中可用的中文/中日韓字型列表：") for font in sorted(set(chinese_fonts)): print(f"- {font}")

Seaborn 是 Python 中另一個強大的繪圖套件，建立於 Matplotlib 的基礎上，提供更簡單、更高級、更美觀的圖表製作，支援 Pandas 的 函式庫

常用語法與參數:

樣式: dark, white, darkgrid, whitegrid

實作

散佈圖 (Scatter Plot)

散佈圖適合呈現兩組連續變數之間的相關性。在 Seaborn 中，使用 sns.scatterplot() 即可繪製，並可搭配 hue（顏色分類）與 size（點大小）來展示多維度資料。

資料結構範例

"total_bill","tip","sex","smoker","day","time","size"

16.99,1.01,"Female","No","Sun","Dinner",2

10.34,1.66,"Male","No","Sun","Dinner",3

21.01,3.5,"Male","No","Sun","Dinner",3

23.68,3.31,"Male","No","Sun","Dinner",2

27.2,4,"Male","No","Thur","Lunch",4

import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt # 設定中文字型 plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Microsoft JhengHei', 'PingFang TC', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False # 載入內建範例資料集 tips = sns.load_dataset("tips") # 繪製散佈圖：觀察總消費金額與小費的關係，並依性別區分顏色 sns.scatterplot( data=tips, x="total_bill", y="tip", hue="sex", style="time", #time 有 Lunch/Dinner 不同類別使用不同的點形狀 size="size" ) # plt.title("Total Bill vs Tip") plt.title("總消費金額與小費的關係") plt.xlabel("總消費金額") plt.ylabel("小費") plt.show()

註:

seaborn.load_dataset() 會透過 HTTPS 到 Seaborn 的 GitHub repository 下載 tips.csv

https://github.com/mwaskom/seaborn-data/blob/master/tips.csv

顯示結果

長條圖 (bar plot)

比較不同類別的數值

# 設定視覺主題 sns.set_theme(style="whitegrid") # 繪製長條圖: 比較不同星期(day)的平均總消費金額(total_bill) plt.figure(figsize=(8, 5)) ax = sns.barplot( data=tips, x="day", y="total_bill", hue="day", palette="Blues_d", legend=False, errorbar=None ) plt.title("Average Total Bill by Day", fontsize=14) plt.xlabel("Day of the Week", fontsize=12) plt.ylabel("Average Total Bill ($)", fontsize=12) plt.show()

顯示結果

折線圖（Line Plot）

最常用於呈現連續性資料（特別是時間序列）的變化趨勢。在 Seaborn 中主要透過 sns.lineplot() 來繪製。

Seaborn 內建的 dowjones 資料集記錄了道瓊工業平均指數的時間序列資料，包含 Date（日期）與 Price（指數價格）兩個欄位。適合使用折線圖（Line Plot）來呈現趨勢。

基本折線圖:

呈現單一變數隨時間或順序變化的趨勢

資料結構範例

Date,Price

1914-12-01,55.0

1915-01-01,56.55

1915-02-01,56.0

1915-03-01,58.3

dowjones = sns.load_dataset("dowjones") dowjones["Date"] = pd.to_datetime(dowjones["Date"]) # 查看資料前幾行結構 print(dowjones.head()) # 設定圖表樣式 sns.set_theme(style="darkgrid") # 繪製道瓊指數折線圖 plt.figure(figsize=(10, 5)) sns.lineplot(data=dowjones, x="Date", y="Price", color="b") plt.title("Dow Jones Industrial Average", fontsize=14) plt.xlabel("Date", fontsize=12) plt.ylabel("Price", fontsize=12) plt.show()

顯示結果

多重折線圖:

類別比較 利用 hue（顏色）、style（線條樣式）或 markers（數據點標記）區分不同類別

資料結構範例

subject,timepoint,event,region,signal

s13,18,stim,parietal,-0.017551581538

s5,14,stim,parietal,-0.0808829319505

s12,18,stim,parietal,-0.0810330187333

s11,18,stim,parietal,-0.04613439017519999

s10,18,stim,parietal,-0.0379702032642

[seaborn fmri]是Seaborn 內建的一個範例數據。它包含了事件相關功能核磁共振成像（Event-related fMRI）的大腦活動觀測數據。

subject: 被測試者的編號(例如：s0, s1 到 s13)

timepoint: 時間點(觀測的時間序列，0 到 18 秒)

event: 實驗事件類型(stim 代表接受刺激，cue 代表提示線索)

region: 大腦觀測區域(frontal 前額葉，parietal 頂葉)

signal: 觀測到的血氧濃度相依訊號(BOLD Signal)變化量

fmri = sns.load_dataset("fmri") # 依 event 區分顏色，依 region 區分線型 sns.lineplot( data=fmri, x="timepoint", y="signal", hue="event", style="region", markers=True, dashes=False ) plt.title("FMRI Signal over Time") plt.show()

顯示結果

參考資料

https://matplotlib.org/

https://seaborn.pydata.org/