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** es una biblioteca de visualización de alto nivel basada en `matplotlib`. A continuación, se presentan sus ventajas en comparación con `matplotlib`:
* interfaz más sencilla;
* amplia variedad de estilos y paletas de colores predeterminados;
* integración eficiente con `pandas` DataFrame;
* gran variedad de funciones estadísticas integradas.

A continuación se muestra un ejemplo de gráfico creado con `seaborn` utilizando 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.

Descubra los aspectos esenciales de la visualización de datos con Matplotlib. Conozca sus conceptos fundamentales, explore sus ventajas y cree su primer gráfico simple utilizando esta biblioteca básica de gráficos.

Domina la visualización de datos mediante los tipos de gráficos más populares. Aprende a construir gráficos de líneas, dispersión y barras para comunicar claramente los hallazgos de tus datos.

Aprenda a hacer que sus gráficos sean más informativos y visualmente atractivos. Añada títulos, leyendas, colores y cuadrículas, y descubra cómo organizar múltiples subgráficos de manera efectiva.

Explora visualizaciones estadísticas que ayudan a analizar distribuciones y patrones de datos. Crea histogramas, diagramas de caja y gráficos de pastel para descubrir conocimientos estadísticos más profundos.

Lleve sus habilidades de visualización al siguiente nivel con Seaborn. Cree gráficos avanzados como countplots, KDE, pair plots y mapas de calor, dominando el estilo elegante y las opciones de personalización de Seaborn.

Introducción a Seaborn

Solución

Awesome!

Introducción a Seaborn

Solución