练习 - 使用 Seaborn 分析数据

  • 5 分钟

Azure Notebooks（通常也包括 Python）很棒的一点在于提供数千个开源库，供你执行复杂的任务而无需编写大量代码。 在本单元中，你将使用 Seaborn（用于统计数据可视化的库）为上传的两个数据集中的第二个（涵盖自 1882 年至 2014 年的数据）绘图。 Seaborn 可以创建一条伴有投影的回归线，通过一个简单的函数调用根据回归显示数据点应位于什么位置。

  1. 将光标放在笔记本底部的空白单元格中。 将单元格类型更改为 Markdown 并输入文本“使用 Seaborn 执行线性回归”。

  2. 添加 Code 单元格并将以下代码粘贴到其中。

    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. 运行代码单元以生成带有回归线的散点图，并生成数据点预期落入范围的直观表示。

    Comparison of actual values and predicted values generated with Seaborn.

    比较实际值和 Seaborn 生成的预测值

请注意，前 100 年的数据点与预测值比较吻合，但是大约从 1980 年开始变得不吻合。 正是这样的模型让科学家们相信气候变化正在加剧。