seaborn

¿Qué es?

seaborn es una librería de visualización estadística en Python construida sobre Matplotlib: produce gráficos bonitos y complejos —distribuciones, correlaciones, regresiones— con muy poco código. Está integrada con los DataFrames de pandas, así que sueles pasarle directamente tus datos tabulares y nombrar las columnas a graficar.

En lugar de armar la figura elemento por elemento como en Matplotlib, le pides un tipo de gráfico estadístico y seaborn se encarga del resto: paleta, ejes, agregación y estilo. Como vive encima de Matplotlib, cuando quieras retocar algo siempre puedes bajar a su API.

¿Para qué sirve?

• EDA rápido. Explorar la distribución de una variable o la relación entre dos en una línea, sin pelear con el estilo.
• Heatmaps de correlación. Visualizar una matriz de correlaciones para detectar qué variables se mueven juntas.
• Pairplots. Cruzar todas las variables de un DataFrame entre sí de un solo golpe para tener una vista panorámica.
• Gráficos listos para presentar. Resultados pulidos por defecto —paletas y temas cuidados— que sirven tanto para análisis como para un informe.

¿Cuándo usarla / cuándo no?

Úsala para visualización estadística rápida y bonita sobre datos tabulares: EDA en notebooks, distribuciones, correlaciones y regresiones con pocas líneas.

Piénsalo dos veces para:

• Control milimétrico sobre la figura: baja a Matplotlib —seaborn lo usa por debajo, así que no pierdes nada y ganas precisión.
• Dashboards interactivos que otros exploran solos en el navegador: una herramienta de BI como Superset encaja mejor; seaborn produce imágenes estáticas, no apps.
• Interactividad en la web (zoom, hover, tooltips): Plotly está pensado para eso.

Empieza en 1 minuto

Instala seaborn y dibuja un gráfico estadístico usando uno de sus datasets de ejemplo:

pip install seaborn

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")          # dataset de ejemplo incluido

sns.scatterplot(data=tips, x="total_bill", y="tip")
plt.show()                               # en un notebook aparece bajo la celda
# sns.histplot(data=tips, x="total_bill")  # o una distribución en una línea