Hist Plots¶

Histograma univariado¶

histplot es una función de la biblioteca de visualización de datos Seaborn en Python que se utiliza para crear histogramas. Un histograma es una representación gráfica de la distribución de una variable numérica. La función histplot toma una variable numérica y divide los datos en "bins" (contenedores) para contar la cantidad de observaciones que caen en cada bin.

histplot es similar a la función distplot de Seaborn, pero histplot es más flexible y eficiente.

Aquí hay algunos ejemplos de cómo crear histogramas con Seaborn en Python utilizando la función histplot:

1. Histograma básico:

In [1]:

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar los datos
tips = sns.load_dataset("tips")

# Crear el histograma
sns.histplot(x="total_bill", data=tips)

# Mostrar el gráfico
plt.show()

import seaborn as sns import matplotlib.pyplot as plt # Cargar los datos tips = sns.load_dataset("tips") # Crear el histograma sns.histplot(x="total_bill", data=tips) # Mostrar el gráfico plt.show()

2. Histograma con kde y líneas de referencia:

In [2]:

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar los datos
iris = sns.load_dataset("iris")

# Crear el histograma con kde y líneas de referencia
sns.histplot(x="petal_length", data=iris, kde=True, stat="density", linewidth=0)

# Mostrar el gráfico
plt.show()

import seaborn as sns import matplotlib.pyplot as plt # Cargar los datos iris = sns.load_dataset("iris") # Crear el histograma con kde y líneas de referencia sns.histplot(x="petal_length", data=iris, kde=True, stat="density", linewidth=0) # Mostrar el gráfico plt.show()

3. Histograma con múltiples categorías:

In [3]:

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar los datos
titanic = sns.load_dataset("titanic")

# Crear el histograma con múltiples categorías
sns.histplot(x="age", hue="sex", data=titanic, multiple="stack")

# Mostrar el gráfico
plt.show()

import seaborn as sns import matplotlib.pyplot as plt # Cargar los datos titanic = sns.load_dataset("titanic") # Crear el histograma con múltiples categorías sns.histplot(x="age", hue="sex", data=titanic, multiple="stack") # Mostrar el gráfico plt.show()

4. Histograma con barra de densidad y línea vertical para la media:

In [4]:

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar los datos
diamonds = sns.load_dataset("diamonds")

# Crear el histograma con barra de densidad y línea vertical para la media
sns.histplot(x="price", data=diamonds, kde=True, stat="density")
plt.axvline(x=diamonds["price"].mean(), color='red', linestyle='--')

# Mostrar el gráfico
plt.show()

import seaborn as sns import matplotlib.pyplot as plt # Cargar los datos diamonds = sns.load_dataset("diamonds") # Crear el histograma con barra de densidad y línea vertical para la media sns.histplot(x="price", data=diamonds, kde=True, stat="density") plt.axvline(x=diamonds["price"].mean(), color='red', linestyle='--') # Mostrar el gráfico plt.show()

Histograma bidimensional¶

Para crear un histograma bidimensional en Seaborn en Python, podemos usar la función jointplot().

Aquí hay un ejemplo de cómo crear un histograma bidimensional en Seaborn usando la función jointplot():

In [5]:

import seaborn as sns
import matplotlib.pyplot as plt

# Cargar datos de ejemplo
tips = sns.load_dataset("tips")

# Crear un histograma bidimensional
sns.jointplot(x="total_bill", y="tip", data=tips, kind="hist")

# Mostrar el gráfico
plt.show()

import seaborn as sns import matplotlib.pyplot as plt # Cargar datos de ejemplo tips = sns.load_dataset("tips") # Crear un histograma bidimensional sns.jointplot(x="total_bill", y="tip", data=tips, kind="hist") # Mostrar el gráfico plt.show()

En este ejemplo, estamos cargando los datos de ejemplo tips de Seaborn y luego usamos la función jointplot() para crear un histograma bidimensional de la columna total_bill en el eje x y la columna tip en el eje y.

También especificamos el parámetro kind="hist" para indicar que queremos un histograma en lugar del gráfico de dispersión predeterminado. Finalmente, usamos plt.show() para mostrar el gráfico.

Aquí hay algunos ejemplos adicionales de cómo crear histogramas bidimensionales en Seaborn en Python:

• Histograma de distribución conjunta con ajuste de regresión:

In [6]:

import seaborn as sns

# Cargar datos de ejemplo
tips = sns.load_dataset("tips")

# Crear un histograma bidimensional con ajuste de regresión
sns.jointplot(x="total_bill", y="tip", data=tips, kind="reg")

# Mostrar el gráfico
plt.show()

import seaborn as sns # Cargar datos de ejemplo tips = sns.load_dataset("tips") # Crear un histograma bidimensional con ajuste de regresión sns.jointplot(x="total_bill", y="tip", data=tips, kind="reg") # Mostrar el gráfico plt.show()

• Histograma hexagonal:

In [7]:

import seaborn as sns

# Cargar datos de ejemplo
tips = sns.load_dataset("tips")

# Crear un histograma bidimensional hexagonal
sns.jointplot(x="total_bill", y="tip", data=tips, kind="hex")

# Mostrar el gráfico
plt.show()

import seaborn as sns # Cargar datos de ejemplo tips = sns.load_dataset("tips") # Crear un histograma bidimensional hexagonal sns.jointplot(x="total_bill", y="tip", data=tips, kind="hex") # Mostrar el gráfico plt.show()

• Histograma de distribución conjunta con KDE:

In [8]:

import seaborn as sns

# Cargar datos de ejemplo
tips = sns.load_dataset("tips")

# Crear un histograma bidimensional con KDE
sns.jointplot(x="total_bill", y="tip", data=tips, kind="kde")

# Mostrar el gráfico
plt.show()

import seaborn as sns # Cargar datos de ejemplo tips = sns.load_dataset("tips") # Crear un histograma bidimensional con KDE sns.jointplot(x="total_bill", y="tip", data=tips, kind="kde") # Mostrar el gráfico plt.show()