seaborn

seaborn constrói gráficos estatísticos sobre matplotlib com APIs de dados tidy - ideal para análise exploratória rápida e padrões polidos.

Receita

Cartão de referência rápida - pronto para copiar e colar.

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
 
sns.set_theme(style="whitegrid", context="notebook")
df = pd.read_csv("sales.csv", parse_dates=["ordered_at"])
g = sns.relplot(data=df, x="ordered_at", y="revenue", hue="region", kind="line")
g.set_axis_labels("Data", "Receita ($)")
plt.close()

Quando usar:

• EDA rápida em pandas DataFrames
• Comparações de grupos com intervalos de confiança
• Múltiplos pequenos facetados (col, row)
• KDE/hist/box/violin para distribuições

Exemplo de Trabalho

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
 
rng = np.random.default_rng(42)
df = pd.DataFrame(
    {
        "region": np.repeat(["East", "West"], 200),
        "segment": np.tile(np.repeat(["SMB", "Enterprise"], 100), 2),
        "revenue": rng.normal(150, 40, 400).clip(10),
    }
)
 
sns.set_theme(style="ticks")
fig, axes = plt.subplots(1, 3, figsize=(12, 4))
 
sns.histplot(data=df, x="revenue", hue="region", kde=True, ax=axes[0])
axes[0].set_title("Distribuição")
 
sns.boxplot(data=df, x="segment", y="revenue", hue="region", ax=axes[1])
axes[1].set_title("Por segmento")
 
sns.barplot(
    data=df,
    x="region",
    y="revenue",
    estimator="median",
    errorbar=("pi", 50),
    ax=axes[2],
)
axes[2].set_title("Mediana com intervalo")
 
sns.despine()
fig.tight_layout()
fig.savefig("eda.png", dpi=150, bbox_inches="tight")
plt.close(fig)

O que isso demonstra:

• API data= tidy em três tipos de gráfico
• histplot com sobreposição KDE opcional
• boxplot com hue para uma segunda categoria
• Tupla errorbar moderna em vez do ci obsoleto

Mergulho Profundo

Como Funciona

• seaborn mapeia colunas do DataFrame para papéis estéticos (x, y, hue, size, style).
• Funções estatísticas agregam internamente (média, mediana, IC de bootstrap).
• Funções de nível de figura (relplot, catplot, displot) retornam FacetGrid.
• Funções de nível de eixo (scatterplot, barplot) aceitam ax= para subplots.

Seletor de Gráficos

Notas de Python

import seaborn as sns
 
# Carrega conjunto de dados de exemplo para ensino
tips = sns.load_dataset("tips")  # cache de CSV incluído
 
# Paleta acessível para leitores daltônicos
sns.set_palette("colorblind")

Armadilhas

• Dados largos vs. tidy - seaborn espera uma linha por observação. Correção: melt ou corrigir o esquema upstream.
• Parâmetro ci= obsoleto - removido no seaborn 0.13+. Correção: usar errorbar=("ci", 95) ou None.
• plt.close esquecido em relplot - APIs de nível de figura criam novas figuras silenciosamente. Correção: capturar o valor de retorno e usar plt.close().
• Gráfico de barras de médias em dados enviesados - a média esconde outliers. Correção: emparelhar com box/violin ou mostrar a mediana.
• hue categórico enorme - legendas ilegíveis. Correção: filtro top-N ou facetar em vez de usar hue.

Alternativas

FAQs

sns.relplot(data=df, x="x", y="y", col="region", row="segment", kind="scatter")

sns.lineplot(data=df, x="t", y="v", errorbar=None)

g = sns.relplot(...)
g.savefig("out.png", dpi=150)

sns.regplot(data=df, x="ad_spend", y="revenue")

order = df.groupby("region")["revenue"].median().sort_values().index
sns.barplot(data=df, x="region", y="revenue", order=order)

Relacionados

• matplotlib - personalização em nível de eixo
• Noções Básicas de Visualização - seleção de gráficos
• Plotly - acompanhamentos interativos
• Melhores Práticas de Visualização - escalas honestas

Versões do Stack: Esta página foi escrita para Python 3.14.0 (estável 3.14, manutenção 3.13), FastAPI 0.115+, Django 5.2, Flask 3.1, Pydantic 2, PyTorch 2.6+, pandas 2.2+, Polars 1.x, ruff 0.9+, e uv 0.6+.