Seaborn環境搭建與配置
學習目標
本課程將指導學員如何在不同的操作系統（Windows, macOS, Linux）上安裝Seaborn庫，以及如何配置Python環境，包括使用Jupyter Notebook和Spyder等集成開發環境（IDE）的基本操作。通過本課程的學習，學員將能夠獨立搭建適合進行數據可視化工作的開發環境。
相關知識點
- Seaborn環境搭建與配置
學習內容
1. Seaborn環境搭建與配置
1.1 Python環境配置
在開始安裝Seaborn之前，確保你的計算機上已經安裝了Python。Python是一個廣泛使用的高級編程語言，特別適合于快速開發和數據處理。Seaborn是基于Python的一個數據可視化庫，它提供了高級接口用于繪制有吸引力的統計圖形。
1.2 Seaborn庫的安裝
Seaborn依賴于matplotlib，因此在安裝Seaborn之前，需要確保已經安裝了matplotlib。可以通過pip（Python的包管理工具）來安裝這些庫。
安裝matplotlib
- 在命令行中輸入以下命令來安裝matplotlib：
%pip install matplotlib
安裝Seaborn
- 安裝了matplotlib之后，接下來安裝Seaborn。在命令行中輸入以下命令：
%pip install seaborn
驗證安裝
- 安裝完成后，可以通過Python腳本驗證Seaborn是否安裝成功。創建一個新的Python文件，例如
test_seaborn.py，并輸入以下代碼：
import seaborn as sns
print(sns.__version__)
運行該腳本，如果輸出Seaborn的版本號，則說明安裝成功。
嘗試運行以下代碼，以確保Seaborn庫能夠正常工作：
!wget https://model-community-picture.obs.cn-north-4.myhuaweicloud.com/ascend-zone/notebook_datasets/f51c42fa2d8211f0beb6fa163edcddae/tips.csv
import seaborn as sns
import matplotlib.pyplot as pltimport pandas as pd
# 本地文件路徑
local_path = "./tips.csv"
# 從本地加載數據集
tips = pd.read_csv(local_path)# 繪制箱形圖
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()
