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** è una libreria di visualizzazione di alto livello basata su `matplotlib`. Ecco alcuni vantaggi rispetto a `matplotlib`:
* interfaccia più semplice;
* ampia gamma di stili e palette di colori predefiniti;
* integrazione efficace con `pandas` DataFrame;
* vasta gamma di funzioni statistiche integrate.

Di seguito un esempio di grafico creato con `seaborn` utilizzando una sola riga di codice:

In effetti, tutto ciò che si può realizzare con `seaborn` può essere ottenuto anche con `matplotlib`, ma spesso richiede più tempo e impegno.

Nota

Tuttavia, poiché `matplotlib` è una libreria relativamente **di basso livello** rispetto ad altre, offre una maggiore **flessibilità** per i grafici; quindi, se è necessario creare un grafico particolarmente unico con molte personalizzazioni, `matplotlib` rimane la scelta migliore.

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

I dati sono ovunque intorno a noi e comprenderli è estremamente importante. La visualizzazione aiuta a gestire i dati individuando determinati schemi e approfondimenti. Acquisirai una solida base nella visualizzazione dei dati utilizzando Python e le sue librerie, come matplotlib e seaborn, per ottenere quante più informazioni possibili dai dati in modo ordinato e conciso.

Scopri le nozioni fondamentali della visualizzazione dei dati con Matplotlib. Esplora i concetti principali, analizza i vantaggi e realizza il primo semplice grafico utilizzando questa libreria di visualizzazione essenziale.

Apprendere come visualizzare i dati attraverso i tipi di grafici più popolari. Costruire grafici a linee, a dispersione e a barre per comunicare chiaramente le informazioni ricavate dai dati.

Approfondimento sulle tecniche per rendere i grafici più informativi e visivamente accattivanti. Aggiunta di titoli, legende, colori e griglie, con esplorazione delle modalità di disposizione efficace di più sottografi.

Esplora visualizzazioni statistiche che aiutano ad analizzare le distribuzioni e i modelli dei dati. Crea istogrammi, box plot e grafici a torta per scoprire approfondimenti statistici più dettagliati.

Porta le tue competenze di visualizzazione al livello successivo con Seaborn. Crea grafici avanzati come countplot, KDE, pair plot e heatmap, perfezionando lo stile elegante e le opzioni di personalizzazione di Seaborn.

Introduzione a Seaborn

Soluzione