Introducción a la biblioteca Seaborn y su lugar en el panorama de visualización de Python.

Introducción a Seaborn

Fundamentos de Seaborn

Leer un archivo csv

Comparar un histograma y un displot

Usar el gráfico de distribución

Traza un histograma

Rug plot y sombreado del KDE

Interpretar los resultados

Gráficos de regresión en Seaborn

Crea un diagrama de regresión

Representar varias variables

Facetear múltiples regresiones

Resumen de funciones para personalizar la visualización de gráficas en Seaborn.

Uso de los estilos de Seaborn

Configurar el estilo predeterminado

Comparing styles

Eliminar los spines

Colores en Seaborn

Códigos de color de Matplotlib

Uso de paletas predeterminadas

Paletas de color

Crear paletas personalizadas

Personalizar con matplotlib

Usar ejes de matplotlib

Personalizaciones adicionales del gráfico

Añadir anotaciones

Gráficas múltiples

Personalización de gráficas en Seaborn

Resumen de tipos de gráficas más complejos incluidos en Seaborn.

Tipos de gráficos categóricos

stripplot() y swarmplot()

boxplots, violinplots y boxenplots

barplots, pointplots and countplots

Gráficos de regresión

Gráficos de regresión y residuales

Parámetros de las gráficas de regresión

Agrupar datos en intervalos (binning)

Gráficos de matriz

Crear mapas de calor

Personalizar mapas de calor

Tipos de gráficas adicionales

Uso de Seaborn para dibujar múltiples gráficas en una sola figura.

Uso de FacetGrid, catplot y lmplot

Crear un FacetGrid

Usar un catplot

Usar un lmplot

Usar PairGrid y pairplot

Crear un PairGrid

Uso de pairplot

Pairplots adicionales

Usar JointGrid y jointplot

Crear un JointGrid y un jointplot

Jointplots y regresión

Jointplots complejos

Seleccionar gráficos de Seaborn

Creación de gráficas en cuadrículas con conciencia de 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 crear visualizaciones bonitas e informativas con facilidad? Entonces tienes que aprender seaborn. Seaborn es una biblioteca de visualización esencial en el conjunto de herramientas de data science en Python. En este curso, aprenderás a usar las potentes herramientas de visualización de seaborn para analizar varios conjuntos de datos reales, como la American Housing Survey, datos de matrícula universitaria y las personas invitadas al popular programa The Daily Show. Al finalizar, podrás usar funciones de seaborn para visualizar tus datos en distintos formatos y personalizar las gráficas según tus necesidades.

Data Manipulation with pandas

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

Visualización de datos intermedia con Seaborn

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

Fundamentos de Seaborn

Visualización de datos intermedia con Seaborn

ejercicio interactivo práctico