# graficos-con-python
Gráficos con Python
Volver a la portada del cursoIntegración de Seaborn con Matplotlib
Sección 3 · Visualización con Seaborn
En este video
- Pasas el eje de Matplotlib a Seaborn con el parámetro ax y haces un histplot de iris separado por especie con hue
- Combinas en una figura un boxplot y un violinplot para ver la mediana, los cuartiles y la forma de la distribución
- Dibujas un mapa de calor de correlaciones con corr, heatmap, annot y la paleta coolwarm
- Usas relplot con col para crear un panel por grupo y ves por qué estas funciones no aceptan ax
# Datos y preparación que el video da por hechos: ejecuta esto antes del resto del código.
import seaborn as sns
from sklearn.datasets import load_iris
_i = load_iris(as_frame=True)
df = _i.frame.copy()
df.columns = ["sepal_largo", "sepal_ancho", "petalo_largo", "petalo_ancho", "target"]
df["especie"] = _i.target_names[_i.target]
df = df.drop(columns="target")
sns.set_theme(style="whitegrid")
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
sns.histplot(data=df, x="petalo_largo",
hue="especie", kde=True, ax=ax)
ax.set_title("Largo del pétalo")
plt.show()
import matplotlib.pyplot as plt
fig, (a1, a2) = plt.subplots(1, 2)
sns.boxplot(data=df, x="especie",
y="petalo_largo", ax=a1)
sns.violinplot(data=df, x="especie",
y="petalo_largo", ax=a2)
plt.show()
import matplotlib.pyplot as plt
corr = df.drop(columns="especie").corr()
fig, ax = plt.subplots()
sns.heatmap(corr, annot=True, fmt=".2f",
cmap="coolwarm", ax=ax)
plt.show()
g = sns.relplot(data=df, x="sepal_largo",
y="petalo_largo",
col="especie", height=3)
g.set_titles("{col_name}")