Seaborn¶

Visualización Declarativa¶

Es un paradigma de visualización en donde se busca preocuparse de los datos y sus relaciones, más que en detalles sin mayor importancia. Algunas características son:

• Se especifica lo que se desea hacer.
• Los detalles se determinan automáticamente.
• Especificación y Ejecución están separadas.

A modo de resumen, se refiere a construir visualizaciones a partir de los siguientes elementos:

• Data
• Transformation
• Marks
• Encoding
• Scale
• Guides

Diferencias entre enfoques

Imperativa	Declarativa
Especificar cómo se debe hacer algo	Especificar qué se quiere hacer
Especificación y ejecución entrelazadas	Separar especificación de ejecución
Colocar un círculo rojo aquí y un círculo azul acá	Mapear x como posición e y como el color

Ejemplo

El Iris dataset es un conjunto de datos que contine una muestras de tres especies de Iris (Iris setosa, Iris virginica e Iris versicolor). Se midió cuatro rasgos de cada muestra: el largo y ancho del sépalo y pétalo, en centímetros.

Este ejemplo servirá para mostrar una de las mayores diferencias entre una visualización imperativa (como matplotlib) versus una declarativa (como seaborn).

In [1]:

# librerias
 
import os
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns 
pd.set_option('display.max_columns', 500)  # Ver más columnas de los dataframes

# Ver gráficos de matplotlib en jupyter notebook/lab
%matplotlib inline

# librerias import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns pd.set_option('display.max_columns', 500) # Ver más columnas de los dataframes # Ver gráficos de matplotlib en jupyter notebook/lab %matplotlib inline

In [2]:

# cargar datos
iris_df = pd.read_csv(
    "https://raw.githubusercontent.com/fralfaro/MAT281_2022/main/docs/lectures/data_manipulation/visualization/data/iris.csv"
    
)
iris_df.columns = ['sepalLength',
                  'sepalWidth',
                  'petalLength',
                  'petalWidth',
                  'species']

iris_df.head()

# cargar datos iris_df = pd.read_csv( "https://raw.githubusercontent.com/fralfaro/MAT281_2022/main/docs/lectures/data_manipulation/visualization/data/iris.csv" ) iris_df.columns = ['sepalLength', 'sepalWidth', 'petalLength', 'petalWidth', 'species'] iris_df.head()

Out[2]:

	sepalLength	sepalWidth	petalLength	petalWidth	species
0	5.1	3.5	1.4	0.2	setosa
1	4.9	3.0	1.4	0.2	setosa
2	4.7	3.2	1.3	0.2	setosa
3	4.6	3.1	1.5	0.2	setosa
4	5.0	3.6	1.4	0.2	setosa

El ejemplo clásico consiste en graficar sepalWidth versus petalLength y colorear por especie.

Imperativo

En matplotlib sería algo así:

In [3]:

color_map = dict(zip(iris_df["species"].unique(), 
                     ["blue", "green", "red"]))

plt.figure(figsize=(10, 6))

for species, group in iris_df.groupby("species"):
    plt.scatter(group["petalLength"], 
                group["sepalWidth"],
                color=color_map[species],
                alpha=0.3,
                edgecolor=None,
                label=species,
               )
    
plt.legend(frameon=True, title="species")
plt.xlabel("petalLength")
plt.ylabel("sepalWidth")
plt.show()

color_map = dict(zip(iris_df["species"].unique(), ["blue", "green", "red"])) plt.figure(figsize=(10, 6)) for species, group in iris_df.groupby("species"): plt.scatter(group["petalLength"], group["sepalWidth"], color=color_map[species], alpha=0.3, edgecolor=None, label=species, ) plt.legend(frameon=True, title="species") plt.xlabel("petalLength") plt.ylabel("sepalWidth") plt.show()

Declarativo

En seaborn sería algo así:

In [4]:

sns.set(rc={'figure.figsize':(10,8)})

sns.scatterplot(
        x='petalLength',
        y='sepalWidth',
        data=iris_df,
        hue='species',
        palette = ['blue', 'green', 'red']
    
)
plt.show()

sns.set(rc={'figure.figsize':(10,8)}) sns.scatterplot( x='petalLength', y='sepalWidth', data=iris_df, hue='species', palette = ['blue', 'green', 'red'] ) plt.show()

Acerca de Seaborn¶

Matplotlib ha demostrado ser una herramienta de visualización increíblemente útil y popular, pero incluso los usuarios entusiastas admitirán que a menudo deja mucho que desear. Hay varias quejas válidas sobre Matplotlib que a menudo surgen:

• Antes de la versión 2.0, los valores predeterminados de Matplotlib no son exactamente las mejores opciones. Se basó en MATLAB alrededor de 1999, y esto a menudo se nota.

• La API de Matplotlib es de nivel relativamente bajo. Es posible realizar una visualización estadística sofisticada, pero a menudo requiere mucho código repetitivo. Matplotlib fue anterior a Pandas en más de una década y, por lo tanto, no está diseñado para su uso con Pandas DataFrames. Para visualizar datos de un Pandas DataFrame, debe extraer cada Serie y, a menudo, concatenarlas juntas en el formato correcto. Sería mejor tener una biblioteca de trazado que pueda usar inteligentemente las etiquetas de DataFrame en un trazado.

Una respuesta a estos problemas es Seaborn. Seaborn proporciona una API sobre Matplotlib que ofrece opciones sensatas para el estilo de trazado y los valores predeterminados de color, define funciones simples de alto nivel para tipos de trazado estadísticos comunes, y se integra con la funcionalidad proporcionada por Pandas DataFrames.

Gráfico a Gráfico¶

Para mostrar el funcionamiento de seaborn, se ocupa el conjunto de datos: pokemon.csv. Para el caso de seaborn se los gráficos serán generados directamente desde el dataframe.

In [5]:

# librerias
 
import os
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns 
pd.set_option('display.max_columns', 500)  # Ver más columnas de los dataframes

# Ver gráficos de matplotlib en jupyter notebook/lab
%matplotlib inline

# librerias import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns pd.set_option('display.max_columns', 500) # Ver más columnas de los dataframes # Ver gráficos de matplotlib en jupyter notebook/lab %matplotlib inline

In [6]:

# cargar datos
pokemon_data = pd.read_csv(
    "https://raw.githubusercontent.com/fralfaro/MAT281_2022/main/docs/lectures/data_manipulation/visualization/data/pokemon.csv"
    , sep=","
)
pokemon_data.head()

# cargar datos pokemon_data = pd.read_csv( "https://raw.githubusercontent.com/fralfaro/MAT281_2022/main/docs/lectures/data_manipulation/visualization/data/pokemon.csv" , sep="," ) pokemon_data.head()

Out[6]:

	#	Name	Type 1	Type 2	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary
0	1	Bulbasaur	Grass	Poison	45	49	49	65	65	45	1	False
1	2	Ivysaur	Grass	Poison	60	62	63	80	80	60	1	False
2	3	Venusaur	Grass	Poison	80	82	83	100	100	80	1	False
3	4	Mega Venusaur	Grass	Poison	80	100	123	122	120	80	1	False
4	5	Charmander	Fire	NaN	39	52	43	60	50	65	1	False

Gráfico de línea y puntos¶

Realizar un gráfico de línea y otro de puntos para analizar el ataque vs defensa de todos los pokemones separados por generación.

In [7]:

# grafico de linea
plt.figure(figsize=(10, 6))
palette = sns.color_palette("hls", 6)

sns.lineplot(
    x='Attack',
    y='Defense',
    hue='Generation',# color por Generation
    data=pokemon_data,
    ci = None,
    palette=palette
)   
plt.show()

# grafico de linea plt.figure(figsize=(10, 6)) palette = sns.color_palette("hls", 6) sns.lineplot( x='Attack', y='Defense', hue='Generation',# color por Generation data=pokemon_data, ci = None, palette=palette ) plt.show()

In [8]:

# grafico de puntos
plt.figure(figsize=(10, 6))
sns.scatterplot(
    x='Attack',
    y='Defense',
    hue='Generation',# color por Generation
    data=pokemon_data,
    palette=palette
)   
plt.show()

# grafico de puntos plt.figure(figsize=(10, 6)) sns.scatterplot( x='Attack', y='Defense', hue='Generation',# color por Generation data=pokemon_data, palette=palette ) plt.show()

Boxplot¶

Realizar un gráfico box plot sobre los stats de los pokemones.

In [9]:

# Pre-format DataFrame
stats_df = pokemon_data.drop(['#', 'Generation', 'Legendary'], axis=1)
 
# New boxplot using stats_df
plt.figure(figsize=(10, 6))
sns.boxplot(data=stats_df)
plt.show()

# Pre-format DataFrame stats_df = pokemon_data.drop(['#', 'Generation', 'Legendary'], axis=1) # New boxplot using stats_df plt.figure(figsize=(10, 6)) sns.boxplot(data=stats_df) plt.show()

Mapas de calor¶

Realizar un mapa de calor sobre los stats de los pokemones.

In [10]:

# Calculate correlations
corr = stats_df.corr()
 
# Heatmap
plt.figure(figsize=(10, 6))
sns.heatmap(corr)
plt.show()

# Calculate correlations corr = stats_df.corr() # Heatmap plt.figure(figsize=(10, 6)) sns.heatmap(corr) plt.show()

Histogramas¶

Realizar un histograma del stat attack.

In [11]:

# Distribution Plot (a.k.a. Histogram)
plt.figure(figsize=(10, 6))
sns.histplot(pokemon_data.Attack)
plt.show()

# Distribution Plot (a.k.a. Histogram) plt.figure(figsize=(10, 6)) sns.histplot(pokemon_data.Attack) plt.show()

Barplot¶

Realizar un bar plot sobre la cantidad de pokemones que hay por generación

In [12]:

# realizar conteo de manera manual
df_generation = pokemon_data.groupby('Generation').apply(lambda x: len(x)).reset_index()
df_generation.columns = ['Generation','Count']
df_generation.head()

# realizar conteo de manera manual df_generation = pokemon_data.groupby('Generation').apply(lambda x: len(x)).reset_index() df_generation.columns = ['Generation','Count'] df_generation.head()

Out[12]:

	Generation	Count
0	1	166
1	2	106
2	3	160
3	4	121
4	5	165

In [13]:

# plot seaborn: barplot
plt.figure(figsize=(10, 6))
sns.barplot(
    x='Generation',
    y='Count',
    data=df_generation 
)
plt.show()

# plot seaborn: barplot plt.figure(figsize=(10, 6)) sns.barplot( x='Generation', y='Count', data=df_generation ) plt.show()

countplot¶

Realizar un conteo sobre los distintos tipos Type 1 de pokemones.

In [14]:

# Count Plot (a.k.a. Bar Plot)

plt.figure(figsize=(10, 6))
pkmn_type_colors = ['#78C850',  # Grass
                    '#F08030',  # Fire
                    '#6890F0',  # Water
                    '#A8B820',  # Bug
                    '#A8A878',  # Normal
                    '#A040A0',  # Poison
                    '#F8D030',  # Electric
                    '#E0C068',  # Ground
                    '#EE99AC',  # Fairy
                    '#C03028',  # Fighting
                    '#F85888',  # Psychic
                    '#B8A038',  # Rock
                    '#705898',  # Ghost
                    '#98D8D8',  # Ice
                    '#7038F8',  # Dragon
                   ]
sns.countplot(x='Type 1', 
              data=pokemon_data,
              palette=pkmn_type_colors)
 
# Rotate x-labels
plt.xticks(rotation=-45)
plt.show()

# Count Plot (a.k.a. Bar Plot) plt.figure(figsize=(10, 6)) pkmn_type_colors = ['#78C850', # Grass '#F08030', # Fire '#6890F0', # Water '#A8B820', # Bug '#A8A878', # Normal '#A040A0', # Poison '#F8D030', # Electric '#E0C068', # Ground '#EE99AC', # Fairy '#C03028', # Fighting '#F85888', # Psychic '#B8A038', # Rock '#705898', # Ghost '#98D8D8', # Ice '#7038F8', # Dragon ] sns.countplot(x='Type 1', data=pokemon_data, palette=pkmn_type_colors) # Rotate x-labels plt.xticks(rotation=-45) plt.show()

Factor plot¶

Realizar un catplot de los distintos tipos de pokemones para la generación Type 1, analizando si el pokemón es legendario o no.

In [15]:

# Factor Plot
plt.figure(figsize=(16, 12))
g = sns.catplot(x='Type 1', 
                   y='Attack', 
                   data=pokemon_data, 
                   hue='Legendary',  # Color by stage
                   col='Legendary',  # Separate by stage
                   kind='swarm', # Swarmplot
                   s = 1.5,
                   palette = ['black','blue'])
 
# Rotate x-axis labels
g.set_xticklabels(rotation=-45)
 
# Doesn't work because only rotates last plot
# plt.xticks(rotation=-45)
plt.show()

# Factor Plot plt.figure(figsize=(16, 12)) g = sns.catplot(x='Type 1', y='Attack', data=pokemon_data, hue='Legendary', # Color by stage col='Legendary', # Separate by stage kind='swarm', # Swarmplot s = 1.5, palette = ['black','blue']) # Rotate x-axis labels g.set_xticklabels(rotation=-45) # Doesn't work because only rotates last plot # plt.xticks(rotation=-45) plt.show()

<Figure size 1152x864 with 0 Axes>

Customizando con Matplotlib.¶

Seaborn es una interfaz de alto nivel para Matplotlib. Según nuestra experiencia, Seaborn lo llevará a la mayor parte del camino, pero a veces necesitará traer Matplotlib.

Establecer los límites de los ejes es uno de esos momentos, pero el proceso es bastante simple:

Primero, usar la función lmplotde Seaborn de manera normal. Luego, use las funciones de customización de Matplotlib. En este caso, usaremos sus funciones ylim () y xlim (). Aquí está nuestro nuevo diagrama de dispersión con límites de ejes sensibles:

In [16]:

# plot seaborn
plt.figure(figsize=(10, 6))
sns.lmplot(x='Attack',
           y='Defense', 
           data=pokemon_data,
           fit_reg=False, 
           height=8,
           hue='Generation')
 
# usar Matplotlib
plt.ylim(0, None)
plt.xlim(0, None)
plt.show()

# plot seaborn plt.figure(figsize=(10, 6)) sns.lmplot(x='Attack', y='Defense', data=pokemon_data, fit_reg=False, height=8, hue='Generation') # usar Matplotlib plt.ylim(0, None) plt.xlim(0, None) plt.show()

<Figure size 720x432 with 0 Axes>

Referencias¶

1. Gallery-seaborn