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

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

In realtà, tutto ciò che si può ottenere con `seaborn` può essere realizzato anche con `matplotlib`, ma spesso richiede più tempo e sforzo.

Nota

Tuttavia, poiché `matplotlib` è una libreria di livello **più basso** rispetto a seaborn, offre una maggiore **flessibilità** per i grafici. 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. Verranno acquisite solide basi 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.

Per prima cosa, discuteremo delle applicazioni di visualizzazione, della libreria Matplotlib e dei suoi vantaggi. Successivamente, verrà creato un primo semplice grafico utilizzando Matplotlib.

Ora sei pronto per creare diversi grafici comunemente utilizzati nella pratica. Senza ulteriori indugi, iniziamo subito!

La creazione di grafici e visualizzazioni non consiste solo nel generare uno o più grafici, ma anche nel renderli chiari, comprensibili e gradevoli alla vista. È il momento di imparare la personalizzazione dei grafici in matplotlib.

La statistica è fondamentale nell'analisi dei dati, motivo per cui è estremamente importante sapere come creare diversi grafici statistici. Ora è il momento di esplorare i più comuni.

Seaborn è un'altra potente libreria di visualizzazione in Python, costruita sopra matplotlib. Ora che hai familiarità con matplotlib, è il momento di approfondire la visualizzazione con seaborn.

Introduzione a Seaborn

Soluzione

Introduzione a Seaborn

Soluzione