Introducción a la biblioteca Seaborn y dónde encaja en el panorama de la visualización en Python.

Introducción a Seaborn

Fundación Seaborn

Leer un archivo csv

Comparar un histograma y un displot

Utilizar el diagrama de distribución

Trazar un histograma

Trama de alfombras y sombreado kde

Interpretar los resultados

Gráficos de regresión en Seaborn

Crear un gráfico de regresión

Trazar múltiples variables

Facetar regresiones múltiples

Resumen de las funciones para personalizar la visualización de los gráficos de Seaborn.

Utilizar los Estilos Seaborn

Establecer el estilo por defecto

Comparar estilos

Quitar espinas

Colores en Seaborn

Códigos de color Matplotlib

Utilizar paletas por defecto

Paletas de colores

Crear paletas personalizadas

Personalizar con matplotlib

Uso de los ejes matplotlib

Personalizaciones adicionales de la parcela

Añadir anotaciones

Parcelas múltiples

Personalizar las parcelas de Seaborn

Visión general de los tipos de trama más complejos incluidos en Seaborn.

Tipos de parcelas categóricas

stripplot() y swarmplot()

boxplots, violinplots y boxenplots

gráficos de barras, gráficos de puntos y gráficos de recuento

Gráficos de regresión

Gráficos de regresión y residuales

Parámetros del gráfico de regresión

Binning de datos

Tramas matriciales

Crear mapas de calor

Personalizar mapas térmicos

Tipos de parcelas adicionales

Utilizar Seaborn para dibujar varias tramas en una sola figura.

Uso de FacetGrid, catplot y lmplot

Construir una FacetGrid

Utilizar un catplot

Utilizar un lmplot

Utilizar PairGrid y pairplot

Construir una PairGrid

Utilizar un gráfico de pares

Pares adicionales

Uso de JointGrid y jointplot

Construir un JointGrid y un jointplot

Gráficos conjuntos y regresión

Tramas conjuntas complejas

Selección de parcelas Seaborn

Crear gráficos en cuadrículas con datos

US Housing and Urban Development FY 2018 Fair Market Rent

Washington DC Bike Share

2018 College Scorecard Tuition

Daily Show Guests

Automobile Insurance Premiums

2010 US School Improvement Grants

¿Quieres hacer visualizaciones bellas e informativas con facilidad? Si es así, ¡tienes que aprender seaborn! Seaborn es una biblioteca de visualización que forma parte esencial del conjunto de herramientas de ciencia de datos de Python. En este curso, aprenderás a utilizar las sofisticadas herramientas de visualización de seaborn para analizar múltiples conjuntos de datos del mundo real, como la Encuesta sobre la Vivienda en Estados Unidos, datos sobre matrículas universitarias e invitados de la popular serie de televisión The Daily Show. Después de este curso, serás capaz de utilizar las funciones de seaborn para visualizar tus datos en varios formatos diferentes y personalizar los gráficos de seaborn según tus necesidades.

Data Manipulation with pandas

Aprende a usar funciones de Seaborn para visualizar datos y personalizar gráficos en Python.

Visualización intermedia de datos con Seaborn

Utiliza las sofisticadas herramientas de visualización de Seaborn para hacer visualizaciones bellas e informativas con facilidad.

Instructor

Matrix Plots

Getting data in the right format

Build a heatmap

Customize a heatmap

Centering a heatmap

Plotting a correlation matrix

Let's practice!

https://s3.amazonaws.com/assets.datacamp.com/production/course_37217/subtitles/course_37217_e9c75fc8bad7f1fcb187bc8bb1312d34.vtt

Tipos de parcelas adicionales - Tramas matriciales

Tramas matriciales

Create Your Free Account