**Seaborn** es una biblioteca de visualización de alto nivel basada en `matplotlib`. Veamos sus ventajas en comparación con `matplotlib`:
* interfaz más sencilla;
* amplia variedad de estilos y paletas de colores predeterminados;
* funciona bien con `pandas` DataFrame;
* gran variedad de funciones estadísticas integradas.

Aquí tienes un ejemplo de un gráfico creado con `seaborn` usando solo una línea de código:

Aparentemente, todo lo que se puede lograr con `seaborn` también se puede hacer con `matplotlib`, aunque a menudo puede requerir más tiempo y esfuerzo.

Nota

Sin embargo, `matplotlib`, al ser una biblioteca de **bajo nivel** en comparación, ofrece mayor **flexibilidad** para tus gráficos, por lo que si necesitas crear un gráfico único con muchas personalizaciones, `matplotlib` sigue siendo la mejor opción.

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

Los datos están en todas partes a nuestro alrededor, y comprenderlos es sumamente importante. La visualización ayuda a manejar los datos al identificar ciertos patrones y obtener información relevante. Desarrollará una base sólida en visualización de datos utilizando Python y sus bibliotecas, como matplotlib y seaborn, para extraer la mayor cantidad de información posible de los datos de manera clara y concisa.

Primero, se discutirán las aplicaciones de gráficos, la biblioteca Matplotlib y sus ventajas. Posteriormente, se creará un gráfico simple utilizando Matplotlib.

Ahora está listo para crear varios gráficos comúnmente utilizados en la práctica. Sin más preámbulos, profundicemos de inmediato.

La representación gráfica y la visualización no solo consisten en crear uno o varios gráficos, sino también en hacerlos claros, comprensibles y agradables a la vista. Es momento de aprender la personalización de gráficos en matplotlib.

La estadística es fundamental en el trabajo con datos, por lo que es sumamente importante saber cómo crear diversos gráficos estadísticos. Ahora es momento de explorar los más comunes.

Seaborn es otra potente biblioteca de gráficos en Python construida sobre matplotlib. Ahora que ya está familiarizado con matplotlib, es momento de profundizar en la visualización con seaborn.

Introducción a Seaborn

Solución

Introducción a Seaborn

Solución