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** is een high-level visualisatiebibliotheek gebaseerd op `matplotlib`. Hier zijn de voordelen ten opzichte van `matplotlib`:
* eenvoudigere interface;
* een breed scala aan standaardstijlen en kleurpaletten;
* werkt goed met `pandas` DataFrame;
* een breed scala aan ingebouwde statistische functies.

Hier is een voorbeeld van een grafiek gemaakt met `seaborn` in slechts één regel code:

Blijkbaar kan alles wat je met `seaborn` kunt doen, ook met `matplotlib` worden bereikt, maar dit kost vaak meer tijd en moeite.

Opmerking

Echter, aangezien `matplotlib` een vrij **laag-niveau** bibliotheek is in vergelijking, biedt het meer **flexibiliteit** voor uw grafieken. Dus als u een vrij unieke grafiek met veel aanpassingen moet maken, blijft `matplotlib` de beste keuze.

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

Data is overal om ons heen, en het begrijpen ervan is van groot belang. Visualisatie helpt bij het analyseren van data door patronen en inzichten te ontdekken. Je ontwikkelt een degelijke basis in datavisualisatie met Python en de bijbehorende bibliotheken, zoals matplotlib en seaborn, om zo veel mogelijk informatie uit data te halen op een overzichtelijke en beknopte manier.

Ontdek de basisprincipes van datavisualisatie met Matplotlib. Maak kennis met de kernconcepten, verken de voordelen en maak een eerste eenvoudige grafiek met deze fundamentele plotbibliotheek.

Beheers het visualiseren van data met de meest populaire grafiektypen. Leer lijn-, spreidings- en staafdiagrammen te bouwen om inzichten uit uw data duidelijk over te brengen.

Leer hoe u uw plots informatiever en visueel aantrekkelijker maakt. Voeg titels, legenda's, kleuren en rasters toe en ontdek hoe u meerdere subplotten effectief kunt rangschikken.

Verken statistische visualisaties die helpen bij het analyseren van gegevensverdelingen en patronen. Maak histogrammen, boxplots en cirkeldiagrammen om diepere statistische inzichten te verkrijgen.

Breng uw visualisatievaardigheden naar een hoger niveau met Seaborn. Maak geavanceerde grafieken zoals countplots, KDE's, pair plots en heatmaps, terwijl u de elegante stijl en aanpassingsmogelijkheden van Seaborn beheerst.

Introductie tot Seaborn

Oplossing

Awesome!

Introductie tot Seaborn

Oplossing