Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Seaborn y NumPy

Seaborn es una biblioteca de visualización de datos en Python basada en Matplotlib . Está diseñada específicamente para crear visualizaciones atractivas y informativas con facilidad, especialmente para datos estadísticos y distribuciones. Seaborn se utiliza comúnmente en tareas de análisis de datos y visualización para explorar y comunicar patrones y relaciones en los datos.

Esta lección introduce una librería o módulo usado en ciencia de datos con Python. Instálalo con pip en local; en el editor de The Data Schools muchas ya vienen precargadas.

Importa, ejecuta el ejemplo mínimo y solo después pasa a casos más complejos.

Instalar Seaborn

Si aún no tienes Seaborn instalado, puedes hacerlo utilizando pip:

    pip install seaborn
  

Importar Matplotlib y Seaborn

Primero, importa las bibliotecas necesarias, Matplotlib y Seaborn:

    import matplotlib.pyplot as plt
import seaborn as sns
  

Crear Datos de Ejemplo

Para visualizar distribuciones, necesitas datos de ejemplo. Puedes generar algunos datos aleatorios utilizando NumPy:

    import numpy as np

# Generar una muestra de datos aleatorios con NumPy
data = np.random.randn(1000)
print(data)
print(data)
  

Distplots: Trazar un Diagrama de Distribución

Un distplot en Seaborn combina un histograma y una gráfica de densidad para visualizar la distribución de datos. Para crear un distplot, puedes usar la función sns.distplot() :

    data = pd.DataFrame({
    "categoria": ["A", "B", "A", "C"],
    "valor": [10, 20, 15, 30],
})
# Trazar un distplot
sns.di
# # Trazar un distplot
sns.distplot(data, bins=30, kde=True, color='blue')
plt.title('Diagrama de Distribución con Histograma y Densidad')
plt.xlabel('Valores')
plt.ylabel('Densidad')
plt.show()
plt.ylabel('Densidad')
plt.show()
  

• data : Los datos que deseas visualizar.
• bins : El número de divisiones en el histograma.
• kde : Si True , se trazará la estimación de densidad kernel (Kernel Density Estimation).
• color : El color de la trama.

Trazar un Diagrama de Distribución sin el Histograma

Si deseas eliminar el histograma y ver solo la estimación de densidad, puedes hacerlo configurando hist en False :

    import numpy as np

# Generar una muestra de datos aleatorios con NumPy
data = np.random.randn(1000)
print(data)
print(data)
  

• hist=False : Elimina el histograma.

Hemos visto cómo instalar Seaborn, importar Matplotlib y Seaborn, generar datos de ejemplo con NumPy y utilizar Seaborn para visualizar distribuciones utilizando distplots. También hemos visto cómo trazar un distplot con y sin el histograma. Esta es una introducción básica a la visualización de distribuciones con Seaborn en el contexto de NumPy, y puedes explorar más opciones y personalizaciones según tus necesidades.

Practica Seaborn y NumPy en el editor

Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.

    import matplotlib.pyplot as plt
import seaborn as sns
  

    import numpy as np

# Generar una muestra de datos aleatorios con NumPy
data = np.random.randn(1000)
print(data)
  

    data = pd.DataFrame({
    "categoria": ["A", "B", "A", "C"],
    "valor": [10, 20, 15, 30],
})
# Trazar un distplot
sns.di
# # Trazar un distplot
sns.distplot(data, bins=30, kde=True, color='blue')
plt.title('Diagrama de Distribución con Histograma y Densidad')
plt.xlabel('Valores')
plt.ylabel('Densidad')
plt.show()
plt.ylabel('Densidad')
plt.show()