Summary  
This chapter introduces a high-level plotting library that simplifies creating statistical visualizations through concise function calls, built-in styling, and seamless integration with tabular data.  

General domain of usage  
Data visualization

**Seaborn** ist eine High-Level-Visualisierungsbibliothek, die auf `matplotlib` basiert. Im Vergleich zu `matplotlib` bietet sie folgende Vorteile:
* einfachere Schnittstelle;
* große Auswahl an Standardstilen und Farbpaletten;
* funktioniert gut mit `pandas` DataFrame;
* umfangreiche integrierte statistische Funktionen.

Hier ist ein Beispiel für ein Diagramm, das mit nur einer Codezeile in `seaborn` erstellt wurde:

Offensichtlich lässt sich alles, was mit `seaborn` möglich ist, auch mit `matplotlib` umsetzen, allerdings ist dies oft mit mehr Zeit- und Arbeitsaufwand verbunden.

Hinweis

Allerdings bietet `matplotlib` als eine eher **niedrigstufige** Bibliothek im Vergleich mehr **Flexibilität** für Ihre Diagramme. Wenn also ein besonders einzigartiges Diagramm mit vielen Anpassungen erforderlich ist, bleibt `matplotlib` die beste Wahl.

import unittest
import inspect
import ast
import user_code  # The user's script with `import seaborn as sns`

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestSeabornImport(unittest.TestCase):
    
    @classmethod
    def setUpClass(cls):
        source = inspect.getsource(user_code)
        cls.tree = ast.parse(source)

        cls.imports = [
            node for node in ast.walk(cls.tree)
            if isinstance(node, ast.Import)
        ]

        cls.seaborn_import = next(
            (imp for imp in cls.imports
             for alias in imp.names
             if alias.name == 'seaborn' and alias.asname == 'sns'),
            None
        )

    def test_seaborn_is_imported_with_alias(self):
        _dynamic_test(
            self,
            self.seaborn_import is not None,
            "seaborn is imported with alias sns",
            "seaborn is not imported with alias sns"
        )

if __name__ == '__main__':
    unittest.main()


test_seaborn_import.py

Daten sind überall um uns herum, und ihre Interpretation ist von großer Bedeutung. Visualisierung unterstützt Sie dabei, Daten zu analysieren, indem sie bestimmte Muster und Erkenntnisse sichtbar macht. Sie erwerben ein fundiertes Verständnis der Datenvisualisierung mit Python und dessen Bibliotheken wie matplotlib und seaborn, um möglichst viele Informationen aus Daten auf übersichtliche und prägnante Weise zu gewinnen.

Entdecken Sie die Grundlagen der Datenvisualisierung mit Matplotlib. Lernen Sie die zentralen Konzepte kennen, erkunden Sie die Vorteile und erstellen Sie Ihr erstes einfaches Diagramm mit dieser grundlegenden Plot-Bibliothek.

Beherrschen Sie die Visualisierung von Daten mit den beliebtesten Diagrammtypen. Erlernen Sie die Erstellung von Linien-, Streu- und Balkendiagrammen zur klaren Vermittlung von Erkenntnissen aus Ihren Daten.

Erfahren Sie, wie Sie Ihre Diagramme informativer und ansprechender gestalten. Fügen Sie Titel, Legenden, Farben und Raster hinzu und entdecken Sie, wie Sie mehrere Teilplots effektiv anordnen.

Erkunden Sie statistische Visualisierungen, die bei der Analyse von Datenverteilungen und Mustern unterstützen. Erstellen Sie Histogramme, Boxplots und Kreisdiagramme, um tiefere statistische Einblicke zu gewinnen.

Verbessern Sie Ihre Visualisierungsfähigkeiten mit Seaborn. Erstellen Sie fortgeschrittene Diagramme wie Countplots, KDEs, Pair Plots und Heatmaps und beherrschen Sie Seaborns eleganten Stil sowie Anpassungsoptionen.

Einführung in Seaborn

Lösung

Awesome!

Einführung in Seaborn

Lösung