欢迎来到数据可视化！

在这门实践课程中，你将学习如何使用 seaborn 这个强大而易于使用的数据可视化工具，将你的数据可视化提升到一个新的水平。为了使用 seaborn，你还需要学习一些 Python 编程语言的知识。尽管如此，

• 本课程旨在面向那些没有编程经验的人，而且
• 每个图表都使用简短而简单的代码，使 seaborn 比许多其他数据可视化工具（如 Excel）更快更容易使用。

因此，如果你从未写过一行代码，想要学习最基本的知识，从今天开始制作更快、更有吸引力的图表，那么你来对地方了！要查看一些你将制作的图表，请查看下面的图例。

设置环境

您需要在每个笔记本的顶部运行几行代码来设置您的编码环境。现在理解这些代码行并不重要，因此我们还不会深入到细节中。

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

加载数据

在这个笔记本中，我们将使用一个历史FIFA排名的数据集，包括六个国家：阿根廷（ARG）、巴西（BRA）、西班牙（ESP）、法国（FRA）、德国（GER）和意大利（ITA）。该数据集存储为CSV文件（是逗号分隔值文件（comma-separated values file）的缩写）。在Excel中打开CSV文件，每个日期都有一行，每个国家都有一列。

为了将数据加载到笔记本中，我们将使用两个不同的步骤，在下面的代码单元格中实现如下：

• 首先指定可以访问数据集的位置（或文件路径）
• 然后使用文件路径将数据集的内容加载到笔记本中。

# 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)

请注意，上面的代码单元格有四行不同的代码。

注释

其中两行以井号（#）开头，包含的文本呈现为淡化和斜体。

当代码运行时，计算机会完全忽略这两行，它们只是出现在这里，以便任何人可以快速理解代码。我们称这两行为注释，并且包含它们是好的习惯，以确保您的代码易于解释。

可执行代码

另外两行是可执行代码，即计算机运行的代码（在本例中，是为查找和加载数据集而运行的代码）。

第一行将fifa_filepath的值设置为可以访问数据集的位置。在这种情况下，我们已为您提供了文件路径（用引号括起来）。请注意，上面的注释紧接着出现在这行可执行代码的上方，提供了可执行代码的简要描述！

第二行设置fifa_data的值，以包含数据集中的所有信息。这是通过pd.read_csv完成的。它紧随其后的是三个不同的文本片段（在上面的图像中划线），这些文本片段被括在括号中，并用逗号分隔。这些用于在将数据集加载到笔记本时的自定义行为：

• fifa_filepath - 数据集的文件路径始终需要首先提供。
• index_col="Date" - 当我们加载数据集时，我们希望第一列中的每个条目都表示不同的行。为此，我们将index_col的值设置为第一列的名称（在Excel中打开文件时在单元格A1中找到的"Date"）。
• parse_dates=True - 这告诉笔记本将每行标签视为日期（而不是具有不同含义的数字或其他文本）。

当您有机会在实践练习中加载自己的数据集时，这些细节将更加清晰明了。

目前，重要的是要记住运行这两行代码的最终结果是，我们现在可以使用fifa_data从笔记本访问数据集。

顺便说一下，您可能已经注意到，这些代码行没有任何输出（而您在笔记本的早期运行的代码行返回了Setup Complete作为输出）。这是预期的行为 - 并非所有代码都会返回输出，这段代码就是一个典型的例子！

检查数据

现在，我们将快速查看fifa_data中的数据集，以确保它已正确加载。

我们通过编写以下一行代码来打印数据集的前五行：

• 以包含数据集的变量（在本例中为fifa_data）开头，然后
• 在其后跟.head()。

您可以在下面的代码行中看到这一点。

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

现在检查一下前五行是否与上面在Excel中看到的数据集图像一致。

绘制数据

在这门课程中，你将学习许多不同的绘图类型。在许多情况下，你只需要一行代码就可以制作一个图表！

如果你想提前了解你将学到的内容，可以查看下面生成线图的代码。

# 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)

​

上面的代码对初学者来说可能并无意义。但在接下来的学习中，你将逐步深入了解到基于seaborn库的各类图表绘制。