Saltar al pie de página
  1. IronPDF for Python
  2. Blog de IronPDF for Python
  3. Ayuda de Python
  4. Seaborn Python
AYUDA DE PYTHON

Seaborn Python (Cómo Funciona Guía para Desarrolladores)

Curtis Chau
Curtis Chau
Actualizado:

Visualización de datos estadísticos Seaborn es una popular biblioteca de visualización de Python. Está construida sobre el módulo Matplotlib de Python y proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e informativos. Seaborn es particularmente adecuado para visualizar conjuntos de datos complejos y hacer el análisis de datos más intuitivo. Más adelante en este artículo, también analizaremos IronPDF, una biblioteca de generación y manipulación de PDF de Iron Software.

Características principales

  1. Interfaz de Alto Nivel: Seaborn proporciona una interfaz de alto nivel, simplificando el proceso de crear visualizaciones complejas. Esto significa que puedes hacer gráficos sofisticados con solo unas pocas líneas de código.
  2. Integración con Pandas: Seaborn funciona sin problemas con las estructuras de datos de Pandas, facilitando la visualización de datos almacenados en DataFrames.
  3. Estilos Predeterminados Hermosos: Seaborn viene con hermosos estilos predeterminados y paletas de colores, lo que ayuda a que los gráficos sean más atractivos y más fáciles de interpretar.

  4. Estimación Estadística: Seaborn incluye funciones para estimar y graficar relaciones estadísticas, como líneas de regresión e intervalos de confianza.

  5. Distribuciones Univariadas y Bivariadas: Seaborn soporta la visualización de datos estadísticos con

  • Distribuciones Univariantes en Seaborn

    1. Histograma: Visualiza la frecuencia de puntos de datos en intervalos.
    2. Gráfico KDE: Muestra una curva suave que representa la densidad de los datos.
    3. Gráfico ECDF: Muestra la proporción acumulada de puntos de datos.
    4. Gráfico de Caja: Ilustra la distribución de datos con cuartiles y valores atípicos.

  • Distribuciones Bivariantes en Seaborn

    1. Diagrama de Dispersión: Representa la relación entre dos variables.
    2. Gráfico de Hexbin: Utiliza contenedores hexagonales para mostrar la densidad de los datos.
    3. Gráfico KDE Bivariado: Gráfico de densidad suave para dos variables.
    4. Gráfico de Pares: Muestra relaciones por pares en un conjunto de datos.

Para empezar

Para comenzar con Seaborn, debes instalarlo usando pip:

pip install seaborn
pip install seaborn
SHELL

Una vez instalado, puedes importar Seaborn junto con Matplotlib y crear visualizaciones. Aquí tienes un ejemplo simple:

import seaborn as sns
import matplotlib.pyplot as plt

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt

# Load an example dataset
tips = sns.load_dataset("tips")

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")
plt.show()
PYTHON

En este ejemplo, cargamos el conjunto de datos "tips" y creamos un gráfico de dispersión que muestra la relación entre la factura total y la cantidad de la propina, con diferentes colores que representan diferentes momentos del día.

Resultado

Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 1 - Ejemplo de gráfico de salida del código anterior

Tramas de uso común

  1. Gráficos Relacionales: Estos gráficos muestran relaciones entre variables. Ejemplos incluyen gráficos de dispersión y gráficos de líneas.

    sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time")
plt.show()
    sns.relplot(data=tips, x="total_bill", y="tip", hue="smoker", style="time")
plt.show()
    PYTHON

    Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 2 - Ejemplo de un gráfico relacional

  2. Gráficos Categóricos: Estos gráficos visualizan datos categóricos. Ejemplos incluyen gráficos de barras, gráficos de caja y gráficos de violín.

    sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()
    sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()
    PYTHON

    Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 3 - Ejemplo de un gráfico categórico

  3. Gráficos de Distribución: Ejemplos incluyen histogramas y estimación de densidad de kernel.

    sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()
    sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()
    PYTHON

    Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 4 - Ejemplo de un gráfico de distribución

  4. Gráficos de Matriz: Estos gráficos visualizan datos en forma de matriz. Ejemplos incluyen mapas de calor y mapas de clúster.

    glue = sns.load_dataset("glue").pivot(index="Model", columns="Task", values="Score")
sns.heatmap(glue)
plt.show()
    glue = sns.load_dataset("glue").pivot(index="Model", columns="Task", values="Score")
sns.heatmap(glue)
plt.show()
    PYTHON

    Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 5 - Ejemplo de un gráfico de matriz

Los gráficos de Seaborn también pueden ser utilizados para gráficos de distribución, gráficos de líneas, gráficos de caja y gráficos de barras, y graficar código con datos del mundo real o datos estadísticos es sencillo.

Personalización

Seaborn permite una amplia personalización de gráficos. Puedes cambiar el estilo del gráfico, la paleta de colores y otros aspectos para adaptarse a tus necesidades. Por ejemplo, puedes establecer el tema usando:

sns.set_theme(style="whitegrid")
sns.set_theme(style="whitegrid")
PYTHON

Presentando IronPDF

Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 6 - IronPDF: La Biblioteca de PDF para Python

IronPDF es una poderosa biblioteca de Python diseñada para crear, editar y firmar PDFs utilizando HTML, CSS, imágenes y JavaScript. Ofrece un rendimiento de alta calidad mientras utiliza una mínima memoria. Las características clave son:

  • Conversión de HTML a PDF:

    Convierte archivos HTML, cadenas HTML y URLs en PDFs. Por ejemplo, usa el renderizador de PDF de Chrome para renderizar una página web como un PDF.

  • Compatibilidad Multiplataforma:

    IronPDF está diseñado para Python 3+ y también funciona en Windows, Mac, Linux o plataformas en la nube.
    IronPDF también está disponible en .NET, Java, Python y Node.js.

  • Edición y Firma:

    Configura propiedades, aplica contraseñas y permisos, y agrega firmas digitales a tus PDFs.

  • Plantillas y Configuraciones de Página:

    Puedes personalizar PDFs con encabezados, pies de página, números de página y márgenes ajustables. Además, soporta tamaños de papel personalizados y diseños responsivos.

  • Cumplimiento de Estándares:

    Cumple con los estándares PDF, incluidos PDF/A y PDF/UA, soporta codificación de caracteres UTF-8 y gestiona recursos como imágenes, CSS y fuentes.

Instalación

pip install ironpdf
pip install ironpdf
SHELL

Generar documentos PDF con IronPDF y Seaborn

Prerrequisitos

  1. Asegúrate de que Visual Studio Code esté instalado como el editor de código.
  2. La versión 3 de Python está instalada.

Para comenzar, vamos a crear un archivo de Python para agregar nuestros scripts.

Abre Visual Studio Code y crea un archivo, seabornDemo.py.

Instale las bibliotecas necesarias:

pip install seaborn
pip install ironpdf
pip install seaborn
pip install ironpdf
SHELL

Luego agrega el siguiente código para demostrar el uso de los paquetes IronPDF y Seaborn Python:

import seaborn as sns
import matplotlib.pyplot as plt
from ironpdf import * 

# Apply your license key
License.LicenseKey = "your key here"

# Load an example dataset
tips = sns.load_dataset("tips")
print(tips)

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

# Save the plot as a PNG file
plt.savefig("scatterplot.png")

# Convert the image to PDF using IronPDF
ImageToPdfConverter.ImageToPdf("scatterplot.png").SaveAs("scatterplot.pdf")

# Display the plot
plt.show()
import seaborn as sns
import matplotlib.pyplot as plt
from ironpdf import * 

# Apply your license key
License.LicenseKey = "your key here"

# Load an example dataset
tips = sns.load_dataset("tips")
print(tips)

# Create a simple scatter plot
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time")

# Save the plot as a PNG file
plt.savefig("scatterplot.png")

# Convert the image to PDF using IronPDF
ImageToPdfConverter.ImageToPdf("scatterplot.png").SaveAs("scatterplot.pdf")

# Display the plot
plt.show()
PYTHON

Explicación del código

En este ejemplo, utilizamos el conjunto de datos "tips" para trazar un gráfico de dispersión, guardarlo como una imagen y convertirlo en un PDF usando IronPDF.

  1. Importar Bibliotecas: Importa las bibliotecas necesarias para la visualización de datos y la generación de PDF.
  2. Clave de Licencia: Agregar una Clave de Licencia es necesario para que la biblioteca IronPDF funcione.
  3. Cargar Conjunto de Datos: Carga el conjunto de datos de ejemplo "tips".
  4. Imprimir DataFrame: Imprime el DataFrame para verlo en la salida.
  5. Crear Gráfico: Usa el método scatterplot de Seaborn para visualizar los datos.
  6. Guardar Gráfico: Guarda tu gráfico usando el método savefig de Matplotlib.
  7. Convertir a PDF: Usa los métodos ImageToPdf y SaveAs de IronPDF para convertir la imagen en un PDF.
  8. Mostrar Gráfico: Muestra el gráfico de dispersión usando plt.show().

Resultado

Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 7 - Ventana de gráfico disperso del ejemplo de código anterior

PDF

Seaborn Python (Cómo Funciona para la Guía de Desarrolladores): Figura 8 - Salida de PDF utilizando IronPDF para mostrar el gráfico disperso

Licencia de IronPDF

IronPDF para Python llave de licencia permite a los usuarios probar sus características completas antes de comprar. Después del período de licencia de prueba, los desarrolladores pueden comprar una licencia perpetua que se ajuste a sus necesidades del proyecto.

Coloca la clave de licencia al inicio del script antes de usar el paquete IronPDF:

from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"
from ironpdf import * 
# Apply your license key
License.LicenseKey = "key"
PYTHON

Conclusión

Seaborn es ampliamente reconocido por sus capacidades en la visualización de datos. Su interfaz de alto nivel, integración con Pandas y hermosos estilos predeterminados lo convierten en una excelente opción para crear gráficos estadísticos informativos y atractivos. Ya seas un principiante o un científico de datos experimentado, Seaborn puede ayudarte a explorar y comprender tus datos de manera más efectiva. Por otro lado, IronPDF es una biblioteca popular para la generación y manipulación de PDF en entornos .NET, conocida por su robusto conjunto de características y facilidad de uso, que ayuda a documentar y archivar los resultados de Seaborn de manera estándar para guardarlos como PDFs. Ambas bibliotecas añaden excelentes habilidades a los desarrolladores para desarrollar y archivar resultados modernos de visualización de datos.

Curtis Chau
Curtis Chau
  Chatea con el equipo de ingeniería ahora
Escritor Técnico

Curtis Chau tiene una licenciatura en Ciencias de la Computación (Carleton University) y se especializa en el desarrollo front-end con experiencia en Node.js, TypeScript, JavaScript y React. Apasionado por crear interfaces de usuario intuitivas y estéticamente agradables, disfruta trabajando con frameworks modernos y creando manuales bien ...

Leer más

Artículos Relacionados

Prueba de 30 días → Producto completo. Sin límites. Sin tarjeta. Comenzar prueba gratuita