Visualización intermedia de datos con Seaborn
Utiliza las herramientas avanzadas de visualización de Seaborn para crear visualizaciones hermosas e informativas.
Comienza El Curso Gratis4 horas13 vídeos50 ejercicios71.103 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
¿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.
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.- 1
Introducción a Seaborn
GratuitoIntroducción a la biblioteca Seaborn y dónde encaja en el panorama de la visualización en Python.
Introducción a Seaborn50 xpFundación Seaborn50 xpLeer un archivo csv100 xpComparar un histograma y un displot100 xpUtilizar el diagrama de distribución50 xpTrazar un histograma100 xpTrama de alfombras y sombreado kde100 xpInterpretar los resultados50 xpGráficos de regresión en Seaborn50 xpCrear un gráfico de regresión100 xpTrazar múltiples variables100 xpFacetar regresiones múltiples100 xp - 2
Personalizar las parcelas de Seaborn
Resumen de las funciones para personalizar la visualización de los gráficos de Seaborn.
Utilizar los Estilos Seaborn50 xpEstablecer el estilo por defecto100 xpComparar estilos100 xpQuitar espinas100 xpColores en Seaborn50 xpCódigos de color Matplotlib100 xpUtilizar paletas por defecto100 xpPaletas de colores50 xpCrear paletas personalizadas100 xpPersonalizar con matplotlib50 xpUso de los ejes matplotlib100 xpPersonalizaciones adicionales de la parcela100 xpAñadir anotaciones100 xpParcelas múltiples100 xp - 3
Tipos de parcelas adicionales
Visión general de los tipos de trama más complejos incluidos en Seaborn.
Tipos de parcelas categóricas50 xpstripplot() y swarmplot()100 xpboxplots, violinplots y boxenplots100 xpgráficos de barras, gráficos de puntos y gráficos de recuento100 xpGráficos de regresión50 xpGráficos de regresión y residuales100 xpParámetros del gráfico de regresión100 xpBinning de datos100 xpTramas matriciales50 xpCrear mapas de calor100 xpPersonalizar mapas térmicos100 xp - 4
Crear gráficos en cuadrículas con datos
Utilizar Seaborn para dibujar varias tramas en una sola figura.
Uso de FacetGrid, catplot y lmplot50 xpConstruir una FacetGrid100 xpUtilizar un catplot100 xpUtilizar un lmplot100 xpUtilizar PairGrid y pairplot50 xpConstruir una PairGrid100 xpUtilizar un gráfico de pares100 xpPares adicionales100 xpUso de JointGrid y jointplot50 xpConstruir un JointGrid y un jointplot100 xpGráficos conjuntos y regresión100 xpTramas conjuntas complejas100 xpSelección de parcelas Seaborn50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.conjuntos de datos
US Housing and Urban Development FY 2018 Fair Market RentWashington DC Bike Share2018 College Scorecard TuitionDaily Show GuestsAutomobile Insurance Premiums2010 US School Improvement Grantscolaboradores
requisitos previos
Data Manipulation with pandas
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Visualización intermedia de datos con Seaborn hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.