資料科學第五週-Seaborn折線圖的用法

AI助你繪製更漂亮圖表！透過Seaborn，輕鬆呈現資料。從台灣信用卡盜刷數據看金額損失趨勢，用折線圖展示。Seaborn畫圖簡單，還可畫分佈圖、多因子分析圖。想看變量關係就用Seaborn吧！詳細教學可上Kaggle搜尋。

資料視覺化-Seaborn

既然有了AI，更好幫你操作繪圖。建議直接用Seaborn，更漂亮。

載入

除了載入matplotlib.pyplot之外，現在需要載入seaborn，多簡稱為sns

1	`import seaborn as sns`

台灣信用卡盜刷統計

你知道每年台灣因為信用卡被盜刷，損失的金額嗎？

透過Open Data，可以看出台灣越來越有錢？

1 2	`url = 'https://www.nccc.com.tw/dataDownload/09_NCCC_Member_Banks_Card_Issuing_Fraud_Types.csv'`

'''
五、詐欺型態：
(一)遺失卡：卡片遺失而被盜用、
(二)被竊卡：卡片被竊而發生盜用、
(三)未達卡：郵寄新、換卡遭攔截而發生盜用、
(四)冒用申請卡：使用未經本人授權申請之卡片、
(五)偽卡：使用未經發卡機構授權製作之卡片、
(六)MOTO/EC：未經持卡人授權之非面對面交易、
(七)多刷帳單之詐欺：商店利用持卡人卡號等資料偽造交易、
(八)其他：不屬於上述標準詐欺類型者。
'''

import pandas as pd
df = pd.read_csv(url, encoding='big5')
df[df['年度']==2023]

年度從2010~2023的MOTO/EC

# prompt: 年度從2010~2023的MOTO/EC

moto_ec_df = df[(df['年度'] >= 2010) & (df['年度'] <= 2023) & (df['詐欺型態'] == 'MOTO / EC')]
moto_ec_df

可以看到從4億到2023已經變成32億了！誇張吧！

這種趨勢就適合用折線圖，呈現連續的統計資料

繪製折線圖

事前準備

import matplotlib.pyplot as plt
%matplotlib inline
import matplotlib.font_manager as fm
# 如果是COLAB要先下載繁體中文字型
!wget -O TaipeiSansTCBeta-Regular.ttf https://drive.google.com/uc?id=1eGAsTN1HBpJAkeVM57_C7ccp7hbgSz3_&export=download
#將字型加入，確認系統字型
fm.fontManager.addfont('TaipeiSansTCBeta-Regular.ttf')
[f.name for f in fm.fontManager.ttflist]
#全局參數設定 runtime configuration，字體設為可呈現中文的字體
plt.rc('font', family='Taipei Sans TC Beta')

1	`import seaborn as sns`

Matplotlib繪製

先以Matplotlib繪製，使用plot():

x：X 軸的數據，通常是一個序列或數組。
y：Y 軸的數據，與 X 軸數據相對應。

# prompt: moto_ec_df的折線圖

import matplotlib.pyplot as plt
plt.figure(figsize=(12, 6))
plt.plot(x=moto_ec_df['年度'], y=moto_ec_df['詐欺金額[新台幣]'], marker='o')
plt.title('2010-2023年 MOTO/EC 詐欺金額趨勢')
plt.xlabel('年度')
plt.ylabel('金額')
plt.grid(True)
plt.show()

Seaborn繪製

再使用Seaborn，基本上只是把plot() 改成lineplot() ，圖也是差不多的

# prompt: moto_ec_df的折線圖using sns

import matplotlib.pyplot as plt
plt.figure(figsize=(12, 6))
sns.lineplot(x='年度', y='詐欺金額[新台幣]', data=moto_ec_df, marker='o')
#marker='o'

plt.title('MOTO/EC 詐欺案件數趨勢 (2014-2023)')
plt.xlabel('年度')
plt.ylabel('詐欺金額')
plt.grid(True)
plt.show()

Seaborn可以畫什麼酷圖

以台股2330台積電這兩個月的每日資料來做統計(資料使用findmind先抓下來了)

1 2	`df_stock = pd.read_csv('/content/台灣股價資料表.csv') df_stock.head()`

分佈圖

# prompt: 畫分佈圖

import matplotlib.pyplot as plt
plt.figure(figsize=(12, 6))
sns.histplot(df_stock['收盤價'], kde=True)
plt.title('收盤價分佈圖')
plt.xlabel('收盤價')
plt.ylabel('頻率')
plt.show()