Aprendiendo a Visualizar datos con Seaborn y Python.¶
En este proyecto vamos a mostrar algunas muestas de como usar seaborn para obtener mejores visualizaciones.¶
- Vamos a ver:
- Crear un Histograma.
- Generar graficos de densidad.
- Modificar la apariencia de los graficos.
- Distribucion condicional usando una sola condicion, dos y tres condiciones.
- Añadir una legenda para visualizar los datos.Creando un Histograma con Seaborn.¶
In [5]:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
titanic = pd.read_csv("train.csv")
cols = ['Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare', 'Embarked']
titanic = titanic[cols].dropna()
sns.distplot(titanic["Age"])
plt.show()
Generando un Kernel Density Plot¶
In [2]:
sns.kdeplot(titanic["Age"], shade="true")
plt.xlabel("Age")
plt.show()
Modificando la apariencia de los graficos.¶
In [3]:
sns.set_style("white")
sns.kdeplot(titanic["Age"], shade="true")
sns.despine(left="true", bottom="true")
plt.xlabel("Age")
Out[3]:
In [4]:
plt.show()
Distribucion condicional usando una unica condicion.¶
In [7]:
g = sns.FacetGrid(titanic, col="Pclass", size = 6)
g.map(sns.kdeplot, "Age", shade="true")
sns.despine(left="true", bottom="true")
plt.show()
Distribucion condicional usando dos condiciones.¶
In [8]:
g = sns.FacetGrid(titanic, col="Pclass", row="Survived")
g.map(sns.kdeplot, "Age", shade=True)
sns.despine(left=True, bottom=True)
plt.show()
Distribucion condicional usando tres condiciones.¶
In [9]:
g = sns.FacetGrid(titanic, col="Survived", row="Pclass", hue="Sex")
g.map(sns.kdeplot, "Age", shade=True)
sns.despine(left=True, bottom=True)
plt.show()
Añadiendo la leyenda para nuestros graficos.¶
In [11]:
g = sns.FacetGrid(titanic, col="Survived", row="Pclass", hue="Sex")
g.map(sns.kdeplot, "Age", shade=True).add_legend()
sns.despine(left=True, bottom = True)
plt.show()
In [ ]: