Seaborn es una increíble biblioteca de visualización para el trazado de gráficos estadísticos en Python. Proporciona hermosos estilos predeterminados y paletas de colores para hacer que los gráficos estadísticos sean más atractivos. Está construido en la parte superior de la biblioteca matplotlib y también está estrechamente integrado a las estructuras de datos de pandas .
Seaborn tiene como objetivo hacer de la visualización la parte central de la exploración y comprensión de los datos. Proporciona API orientadas a conjuntos de datos, de modo que podemos cambiar entre diferentes representaciones visuales para las mismas variables para una mejor comprensión del conjunto de datos.
Distintas categorías de parcela en Seaborn
- Gráficos relacionales: este gráfico se utiliza para comprender la relación entre dos variables.
- Parcelas categóricas:
- Parcelas de distribución:
- Gráficas de regresión:
- Gráficos matriciales : gráfico matricial
- Cuadrículas multiplot: Es un multiplot
Instalación
Para el entorno de Python:
pip install seaborn
Para el entorno de conda:
conda install seaborn
dependencias
- Python 3.6+
- numpy (>= 1.13.3)
- scipy (>= 1.0.1)
- pandas (>= 0.22.0)
- matplotlib (>= 2.1.2)
- modelo de estadísticas (>= 0.8.0)
Algunas tramas básicas usando seaborn
Dist plot: Seaborn dist plot se usa para trazar un histograma, con algunas otras variaciones como kdeplot y rugplot.
Python3
# Importing libraries import numpy as np import seaborn as sns # Selecting style as white, # dark, whitegrid, darkgrid # or ticks sns.set(style="white") # Generate a random univariate # dataset rs = np.random.RandomState(10) d = rs.normal(size=100) # Plot a simple histogram and kde # with binsize determined automatically sns.distplot(d, kde=True, color="m")
Producción:
Trazado de líneas:
Python3
import seaborn as sns sns.set(style="dark") fmri = sns.load_dataset("fmri") # Plot the responses for different\ # events and regions sns.lineplot(x="timepoint", y="signal", hue="region", style="event", data=fmri)
Producción :
Lplot:
Python3
import seaborn as sns sns.set(style="ticks") # Loading the dataset df = sns.load_dataset("anscombe") # Show the results of a linear regression sns.lmplot(x="x", y="y", data=df)
Producción :