Afinal, o que é Seaborn?

O Seaborn é uma biblioteca de visualização de dados do Python, baseada no Matplotlib. 

Ele fornece uma interface de alto nível para construir gráficos estatísticos atraentes e informativos, e está atualmente na sua versão 0.9.0. 

Como instalar o Seaborn?

Para instalar o Seaborn para Python, é fácil! Simplesmente vá até o seu Prompt de Comando e escreva “pip install seaborn”. 

Quando estiver instalado, vá até seu IDE ou Anaconda Jupyter Notebook e importe a biblioteca escrevendo: impor seaborn as sns. 

Como importar o Seaborn?

Para começar a utilizar o Seaborn efetivamente, bem como todos os plots disponíveis, você deve importá-lo. Isso também é um processo fácil, que pode ser feito por meio do comando: 

Importar bibliotecas e carregar o Dataset

Lineplot

Representa a mudança de quantidade com relação a outra quantidade. Essa variação é geralmente traçada em um plano bidimensional XY. 

Se a relação incluindo quaisquer duas medidas pode ser expressada utilizando uma linha reta no gráfico, então os gráficos são lineares. Portanto, o line plot também é linear. 

Barplot

Um barplot é utilizado, geralmente, para agregar os dados categóricos de acordo com alguns métodos. Seguindo o padrão, é a média. Também pode ser entendido como a visualização do grupo por ação. 

Para usar esse plot, escolhemos uma coluna categórica para o eixo x e uma coluna numérica para o eixo 7, e percebe-se que isso cria um plot por meio da média de cada coluna categórica. 

Count plot 

O método count plot é utilizado para mostrar as contagens das observações em cada caixa categórica, usando barras. 

Box

Box Plot é a representação visual dos grupos de representação de dados numéricos através de seus quartéis. O boxplot também é utilizado na detecção do outlier no conjunto de dados.

Ele também captura o resumo dos dados de forma eficiente, com um simples box and whiskers, permite comparar facilmente entre os grupos.

O Boxplot resume uma amostra de dados usando os 25º, 50º, e 75º percentis. Esses percentis também são conhecidos como quartil inferior, mediano e superior, respectivamente. 

O boxplot possui 5 componentes:

  1. Mínimo
  2. Primeiro quartil (25%)
  3. Mediano (segundo quartil, ou 50%) 
  4. Terceiro quartil (75%)
  5. Máximo 

Violinplot

Um violinplot possui uma atividade parecida com a do boxplot. Mostra vários dados quantitativos através de uma ou mais variáveis categóricas. 

Ele pode ser uma forma eficaz para mostrar múltiplos dados em várias unidades. Uma moldura de dados de ampla ajuda a manter cada coluna numérica que pode ser plotada no gráfico. 

Histograma 

Quando os dados agrupados são representados horizontalmente em um gráfico com a ajuda de barras, então tais gráficos são chamados de gráficos de barras horizontais.

Nestes gráficos, as barras mostram a medida dos dados, que são representados ao longo do eixo x do gráfico. O comprimento das barras denotam os valores. 

Distplot

Basicamente, é utilizado para um conjunto univariante de observações, visualizando-o através de um histograma. 

Ou seja, apenas uma observação, portanto escolhemos uma coluna específica do conjunto de dados. 

Pairplot

Para plotar distribuições bivariadas de múltiplos pares em um conjunto de dados, você pode usar a função pairplot(). 

Isso mostra a relação para a combinação (n, 2) de variável em uma DataFrame, ao passo que uma matriz de plots  e os plots diagonais são os plots univariados. 

Plot KDE

O Plot KDE (Kernel Density Estimate) é usado para visualizar a probabilidade de densidade de uma variável contínua. 

Ela descreve a densidade de probabilidade em diferentes valores em uma variável contínua. 

Também podemos traçar um único gráfico para múltiplas amostras, o que ajuda na visualização eficiente dos dados. 

Traduzido do texto original: Ultimate Seaborn Tutorial: https://elitedatascience.com/python-seaborn-tutorial

Aprenda a conseguir trabalho

Se inscreva para receber acesso gratuito ao módulo Conseguindo Trabalho!

Obrigado por se inscrever!
Houve um erro ao enviar sua inscrição. Tente novamente mais tarde.

Ao acessar, você concorda em receber nossos comunicados.