Seaborn: Visualizacion estadistica

Seaborn esta construido sobre Matplotlib y facilita crear graficos estadisticos atractivos.

Configuracion

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# Configurar estilo
sns.set_theme(style="whitegrid")

# Dataset de ejemplo
tips = sns.load_dataset('tips')

Distribucion

# Histograma + KDE
sns.histplot(data=tips, x='total_bill', kde=True)

# Solo KDE
sns.kdeplot(data=tips, x='total_bill')

# Por categoria
sns.histplot(data=tips, x='total_bill', hue='sex')

Relaciones

# Scatter con regresion
sns.regplot(data=tips, x='total_bill', y='tip')

# Scatter con categorias
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='day', size='size')

# Relacion de todo el dataset
sns.pairplot(tips, hue='sex')

Categoricos

# Box plot
sns.boxplot(data=tips, x='day', y='total_bill')

# Violin plot
sns.violinplot(data=tips, x='day', y='total_bill')

# Bar plot (con error)
sns.barplot(data=tips, x='day', y='total_bill')

# Count plot
sns.countplot(data=tips, x='day')

# Strip plot (puntos individuales)
sns.stripplot(data=tips, x='day', y='total_bill', jitter=True)

Heatmap

# Matriz de correlacion
corr = tips.select_dtypes(include='number').corr()

plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0)
plt.title('Matriz de Correlacion')
plt.show()

FacetGrid: Graficos por categoria

# Crear grid
g = sns.FacetGrid(tips, col='time', row='sex', height=4)

# Aplicar grafico
g.map(sns.histplot, 'total_bill')

# Con scatterplot
g = sns.FacetGrid(tips, col='day', col_wrap=2)
g.map(sns.scatterplot, 'total_bill', 'tip')