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，你将使用用于统计可视化的库 Seaborn 绘制你加载的两个数据集中的第二个数据集，涵盖 1882 到 2014 年。 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。

    与 Seaborn 生成的实际值和预测值进行比较。

    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。