12 - Visualización con Seaborn
Lección 12 del curso Pandas Nivel Intermedio.
En la lección anterior vimos cómo usar métodos propios de Pandas para la visualización de DataFrames y Series.
En esta lección nos enfocaremos en una tercera alternativa para visualizar datos estructurados, que es el uso de la librería Seaborn que es un punto intermedio entre las dos opciones vistas anteriormente.
Por un lado, nos permite fácilmente (es decir con pocas líneas de código) generar gran variedad de gráficas y de gran calidad.
Y por otra parte ofrece herramientas de personalización que permiten controlar la apariencia de los diferentes componentes de la gráfica.
En particular, en esta lección veremos:
- Una introducción a Seaborn y su relación con Pandas y Matplotlib
- Una visión general de los tipos de gráficas que nos permite generar
- Cómo instalar la librería y un ejemplo básico de uso
- Cómo generar algunos tipos de gráficas básicos y que usualmente encontraremos en nuestros proyectos
- Los principios básicos de personalización de las gráficas
Como en este punto ya tenemos claros los principios de funcionamiento de Matplotlib y las funciones de visualización de Pandas, y Seaborn sigue esta misma lógica de funcionamiento. Por tanto, en esta lección no será necesario profundizar en muchos de estos aspectos.
Así que comencemos:
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Acabamos de ver que Seaborn es una librería de visualización pero enfocada en los datos, es decir que al momento de usarla daremos prelación a los datos que queremos visualizar y automáticamente Seaborn se encargará de la mayor parte de los detalles relacionados con la apariencia de las gráficas generadas.
Esto permite obtener gráfico de muy buena calidad y con muy pocas líneas de código. Adicionalmente, tenemos la posibilidad de añadir personalizaciones a estas gráficas usando una sintaxis muy similar a la requerida al usar Matplotlib.
En últimas, Seaborn es una buena alternativa cuando queremos generar gráficos de muy buena calidad y sin demasiadas líneas de código y, por tanto, es un buen compromiso entre las dos opciones analizadas anteriormente (Matplotlib y métodos propios de Pandas).
Así que con esto culminamos este tercer módulo del curso, donde hemos visto las diferentes herramientas de visualización de datos estructurados provenientes de Pandas.
En el próximo módulo cerraremos el curso con un proyecto práctico de análisis exploratorio de datos, y particularmente en la próxima lección veremos una introducción a este proyecto.