1. Hello，Seaborn

1.1 欢迎来到数据可视化！

在这个实际动手的微课程上，你将学习如何把你的数据可视化上升到下一个级别seaborn，一个有力的易于使用的数据可视化工具。为了使用seaborn，你将学习一点python编码。也就是说：

这门微课程面向那些没有编程经验的
每一张图表使用简短的代码，seaborn更加快速和易于使用，比起许多其他的数据可视化工具（例如Excel等）

因此，如果你从未写过一行代码，并且你想要学习最少的东西就能开始快速地制作更吸引人的图，那么你来对地方了。先看一下你将学习制作的图表，如下：
在这里插入图片描述

1.2 你的编码环境

抓紧时间，现在快速翻到本页最下面。你将注意到有许多不同类型的信息，包括：

text 正如你现在在阅读的
code 包含在灰色格子里的叫做code cell
code output 打印在屏幕上的代码运行结果

在本节内容中，我们已经运行了所以的代码。很快，你将学习使用notebook来写下和运行你的代码。

1.3 set up the notebook

在每一节notebook练习中的顶端，你需要运行几行代码来设置你的编码环境。现在理解这些代码并不重要，因此我们不会深入讨论（注意：运行结束后会输出setup complete）

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

 Setup Complete

1.4 加载数据

在notebook中，我们将使用六个国家的FIFA历史排名数据集：Argentina (ARG), Brazil (BRA), Spain (ESP), France (FRA), Germany (GER), and Italy (ITA)。该数据集存储于csv文件（ comma-separated values file的缩写），在excel中打开csv文件，每一行为数据，对应每个国家一列。
在这里插入图片描述

为了加载数据，我们使用两个步骤如下：

设置数据的访问路径filepath
加载

# Path of the file to read
fifa_filepath = "../input/fifa.csv"

# Read the file into a variable fifa_data
fifa_data = pd.read_csv(fifa_filepath, index_col="Date", parse_dates=True)

在这里插入图片描述

1.5 检查数据

现在，我们快速浏览fifa_data数据，确认是否正确。

打印前五行数据通过head()方法：

# Print the first 5 rows of the data
fifa_data.head()

			ARG	BRA	ESP	FRA	GER	ITA
Date						
1993-08-08	5.0	8.0	13.0 12.0 1.0 2.0
1993-09-23	12.0 1.0 14.0 7.0 5.0 2.0
1993-10-22	9.0	1.0	7.0 14.0 4.0 3.0
1993-11-19	9.0	4.0	7.0 15.0 3.0 1.0
1993-12-23	8.0	3.0	5.0 15.0 1.0 2.0

1.6 绘制数据

快速阅览你将学习的内容，通过如下的代码生成一个线形图表。

# Set the width and height of the figure
plt.figure(figsize=(16,6))

# Line chart showing how FIFA rankings evolved over time 
sns.lineplot(data=fifa_data)

<matplotlib.axes._subplots.AxesSubplot at 0x7f85ec3769d0>

在这里插入图片描述
仅仅如此没什么意义，你将在下面的课程中学到更多的内容。

2.线性图表 Line Charts

-未完待续-

Kaggle课程 — 数据可视化 Data Visualization