Introducción a la visualización de datos con Seaborn

¿Qué es Seaborn y cuándo debe utilizarse? En este capítulo lo descubrirá. Además, aprenderá a crear gráficos de dispersión y de recuento tanto con listas de datos como con pandas DataFrames. También conocerá una de las grandes ventajas de utilizar Seaborn: la posibilidad de añadir fácilmente una tercera variable a sus gráficos mediante el uso del color para representar diferentes subgrupos.

En este capítulo, creará y personalizará gráficos que visualizan la relación entre dos variables cuantitativas. Para ello, utilizarás gráficos de dispersión y de líneas para estudiar cómo cambia el nivel de contaminación atmosférica en una ciudad a lo largo de un día y cómo se relacionan los caballos de potencia con la eficiencia del combustible en los coches. También verá otra gran ventaja de utilizar Seaborn: ¡la posibilidad de crear fácilmente subtramas en una sola cifra!

Las variables categóricas están presentes en casi todos los conjuntos de datos, pero destacan especialmente en los datos de encuestas. En este capítulo, aprenderá a crear y personalizar gráficos categóricos como gráficos de caja, gráficos de barras, gráficos de recuento y gráficos de puntos. Por el camino, explorará los datos de encuestas realizadas a jóvenes sobre sus intereses, a estudiantes sobre sus hábitos de estudio y a hombres adultos sobre sus sentimientos acerca de la masculinidad.

En este último capítulo, aprenderás a añadir títulos informativos a los gráficos y etiquetas a los ejes, que son una de las partes más importantes de cualquier visualización de datos. También aprenderá a personalizar el estilo de sus visualizaciones para orientar más rápidamente a su audiencia hacia los puntos clave. A continuación, pondrás en común todo lo aprendido en los ejercicios finales del curso.