La visualización de datos es extremadamente importante en la
ciencia de datos.
Porque es importante te preguntaras?
Es necesario para casi todos los pasos del flujo de trabajo
de la ciencia de datos.
Es fundamental en todos los niveles de trabajo de ciencia de
datos, pero especialmente en los niveles junior e intermedio.
Ya sea que esté haciendo exploración de datos, análisis de datos,
búsqueda de información valiosa, narración de historias con datos o creando un
modelo de aprendizaje automático, probablemente necesitará usar la
visualización de datos. Por lo tanto, debes darle al aprendizaje de visualización de datos de una alta
prioridad.
En mi opinion Seaborn es la mejor opción en
este momento para la visualización de datos estadísticos en Python.
1) SEABORN ES FÁCIL DE USAR
La principal razón por la que me gusta Seaborn es que es
fácil de usar.
En Seaborn, las visualizaciones estadísticas más comunes se
pueden crear con una línea simple o unas pocas líneas de código.
Por ejemplo, si desea crear un diagrama de dispersión en
Seaborn, una vez que tenga sus datos, el diagrama en sí es muy fácil de crear.
LA SINTAXIS DE SNS.SCATTERPLOT
La sintaxis para crear un diagrama de dispersión de Seaborn
es bastante sencilla.
En el caso más simple, puede llamar a la función,
proporcionar el nombre del DataFrame y luego las variables que desea poner en
el eje x e y. Puede pasar el nombre del DataFrame al parámetro de datos y pasar
las variables al parámetro x y al parámetro y. (Te mostraré un ejemplo claro de
esto en la sección de ejemplos).
Lo primero que hay que hacer es importar el modulo Seaborn
con la función import
>>>import seaborn as sns
Para realizar un diagrama de dispersión (“scatterplot” en
ingles) la sintaxis (código) es simple. El método a usar es “scatterplot”
>>>sns.scatterplot (data=, x=, y =)
Como puede verse, puede crear un diagrama de dispersión
simple con solo 3 parámetros.
data = dataframe con los datos
x = la vriable que se quiere colocar en el eje x
y = la variable que se quiere colocar en el eje y
Así pues con este simple código:
>>>sns.scatterplot
(data=, x=, y =)
se puede creear un grafico como el que se muestra en este
post.
Las funciones de Seaborn están bastante bien diseñadas, son
fáciles de entender y de usar.
No hay comentarios:
Publicar un comentario