團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例，並使用seaborn套件以長條圖的形式進行視覺化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。（資料欄位：NA_Sales、EU_Sales、JP_Sales、Other_Sales）

iPAS 考題解析

團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例，並使用seaborn套件以長條圖的形式進行視覺化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。（資料欄位：NA_Sales、EU_Sales、JP_Sales、Other_Sales）

  • A. sns.countplot(x=["NA_Sales","EU_Sales","JP_Sales","Other_Sales"], data=data)
  • B. sns.lineplot(x="Platform", y=["NA_Sales","EU_Sales","JP_Sales","Other_Sales"], data=data)
  • C. sns.barplot(x="variable", y="value", data=pd.melt(data, value_vars=["NA_Sales","EU_Sales","JP_Sales","Other_Sales"]), estimator=sum) ✓ 正確答案
  • D. sns.histplot(data[["NA_Sales","EU_Sales","JP_Sales","Other_Sales"]])

詳細解析

比較多個欄位的總和需先用pd.melt()將寬格式轉為長格式，生成variable（地區名）和value（銷售值）欄，再用sns.barplot搭配estimator=sum計算各地區銷售總額，是正確的多欄位加總比較方式。

出題年份：114 難度：★★☆