Seaborn – статистическая визуализация: 15 видов графиков и лучшие практики

Что такое Seaborn и зачем он нужен

Seaborn — это библиотека визуализации данных для Python, построенная на основе Matplotlib. Она делает создание графиков проще, красивее и интуитивно понятнее, особенно когда дело касается статистической визуализации.

Почему стоит использовать Seaborn:

Автоматически оформляет графики;
Идеально работает с DataFrame;
Поддерживает сложные графики с минимальным кодом;
Отлично подходит для анализа категориальных и числовых данных.

Установка и импорт библиотеки Seaborn

Установка проста:

Импорт в код:

Отличия Seaborn от Matplotlib

Функция	Matplotlib	Seaborn
Визуальный стиль по умолчанию	Простой, базовый	Современный, стилизованный
Работа с DataFrame	Ограничена	Отличная интеграция
Построение статистических графиков	Требует ручной работы	Автоматизировано

Seaborn упрощает работу, особенно если вы анализируете данные в формате таблиц (Pandas).

Основы построения графиков с Seaborn

Работа с встроенными наборами данных

Seaborn включает готовые датасеты:

Быстрый пример: линейная диаграмма

Просто и понятно, а график уже выглядит презентабельно.

Основные типы графиков в Seaborn

Распределение данных: distplot и histplot

Вы получите гистограмму с линией плотности распределения.

Диаграмма рассеяния: scatterplot

Цветовая сегментация добавляется по признаку hue.

Парные графики: pairplot

Выводит матрицу из scatter-графиков по числовым переменным.

Группировка и категории: boxplot, violinplot

Идеально для сравнения распределений по категориям.

Тепловые карты: heatmap

Позволяет визуализировать корреляции между признаками.

Настройка внешнего вида графиков

Цветовые палитры

Популярные палитры: "dark", "muted", "bright", "colorblind".

Темы и стили оформления

Темы: "white", "darkgrid", "ticks" и другие.

Интеграция с Pandas и Matplotlib

Seaborn отлично работает с DataFrame:

А Matplotlib позволяет добавлять подписи, сохранять графики:

Часто задаваемые вопросы

❓ Что такое Seaborn?

Это библиотека Python для создания стильных статистических графиков на основе Matplotlib.

❓ В чём отличие от Matplotlib?

Seaborn более автоматизирован и лучше подходит для работы с DataFrame и статистикой.

❓ Какие типы графиков поддерживаются?

Гистограммы, линейные графики, scatter, boxplot, heatmap, violinplot и др.

❓ Можно ли использовать Seaborn с Pandas?

Да, Seaborn идеально интегрируется с pandas.DataFrame.

❓ Как изменить стиль графиков?

❓ Как сохранить график?

python

plt.savefig("график.png")

Полный справочник по ключевым функциям и модулям библиотеки `Seaborn` для Python

Визуализация статистических взаимосвязей

Функция	Описание
`sns.scatterplot()`	Строит диаграмму рассеяния с возможностью группировки по цвету, размеру и стилю.
`sns.lineplot()`	Создает линейный график, подходящий для временных рядов и трендов.
`sns.relplot()`	Функция уровня фигуры для построения диаграмм рассеяния или линейных графиков с поддержкой фасетирования.

Визуализация распределений данных

Функция	Описание
`sns.histplot()`	Строит гистограмму для отображения распределения данных.
`sns.kdeplot()`	Создает график оценки плотности ядра для непрерывных переменных.
`sns.ecdfplot()`	Строит эмпирическую функцию распределения (ECDF).
`sns.rugplot()`	Отображает отдельные наблюдения вдоль оси в виде коротких линий.
`sns.displot()`	Функция уровня фигуры для построения гистограмм, KDE и ECDF с поддержкой фасетирования.

Визуализация категориальных данных

Функция	Описание
`sns.stripplot()`	Строит категориальную диаграмму рассеяния с возможностью джиттера.
`sns.swarmplot()`	Создает диаграмму рассеяния с размещением точек, предотвращающим перекрытие.
`sns.boxplot()`	Строит ящик с усами для отображения распределения и выбросов.
`sns.violinplot()`	Комбинирует KDE и ящик с усами для отображения распределения.
`sns.boxenplot()`	Расширенная версия boxplot для больших наборов данных.
`sns.pointplot()`	Отображает средние значения с доверительными интервалами.
`sns.barplot()`	Строит столбчатую диаграмму с агрегацией и доверительными интервалами.
`sns.countplot()`	Отображает количество наблюдений в каждой категории.
`sns.catplot()`	Функция уровня фигуры для построения различных категориальных графиков с поддержкой фасетирования.

Регрессионный анализ

Функция	Описание
`sns.regplot()`	Строит диаграмму рассеяния с линией линейной регрессии.
`sns.lmplot()`	Функция уровня фигуры для построения регрессионных графиков с поддержкой фасетирования.
`sns.residplot()`	Отображает остатки регрессионной модели.

Матрицы и тепловые карты

Функция	Описание
`sns.heatmap()`	Строит тепловую карту для матрицы данных.
`sns.clustermap()`	Создает тепловую карту с иерархической кластеризацией строк и столбцов.

Многоуровневые графики

Функция	Описание
`sns.FacetGrid()`	Создает сетку подграфиков по значениям одной или нескольких переменных.
`sns.PairGrid()`	Строит сетку парных графиков для всех комбинаций переменных.
`sns.pairplot()`	Быстрый способ построения PairGrid с диаграммами рассеяния и KDE.
`sns.JointGrid()`	Создает график с центральной диаграммой рассеяния и гистограммами по осям.
`sns.jointplot()`	Быстрый способ построения JointGrid с различными типами графиков.

Настройка внешнего вида

Функция	Описание
`sns.set_theme()`	Устанавливает тему оформления графиков.
`sns.set_style()`	Определяет стиль графика (например, "whitegrid").
`sns.set_context()`	Настраивает контекст отображения (например, "notebook", "talk").
`sns.set_palette()`	Устанавливает цветовую палитру для графиков.
`sns.color_palette()`	Возвращает список цветов из выбранной палитры.
`sns.despine()`	Удаляет верхнюю и правую границы графика для более чистого вида.

Утилиты и загрузка данных

Функция	Описание
`sns.load_dataset()`	Загружает встроенные наборы данных Seaborn.
`sns.get_dataset_names()`	Возвращает список доступных встроенных наборов данных.
`sns.get_data_home()`	Возвращает путь к директории с данными Seaborn.

Новый объектно-ориентированный интерфейс (с версии 0.12)

Класс / Метод	Описание
`so.Plot()`	Основной класс для создания графиков с использованием композиции.
`.add()`	Добавляет элементы (например, точки, линии) к графику.
`so.Dot()`, `so.Line()`, `so.Band()`	Графические элементы для отображения данных.
`so.Agg()`, `so.Est()`	Статистические трансформации для агрегации и оценки.
`.facet()`	Создает фасетированные графики по значениям переменных.
`.plot()`	Отображает финальный график.

Заключение: преимущества Seaborn для аналитиков данных

Seaborn — это мощный и удобный инструмент для статистической визуализации. Он позволяет создавать информативные и эстетичные графики с минимальными усилиями. Если вы работаете с анализом данных, вам обязательно стоит освоить Seaborn.

Вы узнаете: