📚 Seaborn - Visualización Estadística

Seaborn es una librería de visualización basada en Matplotlib que proporciona una interfaz de alto nivel para crear gráficos estadísticos atractivos y informativos.

---

1. Instalación e Importación

# Instalación
# pip install seaborn

# Importación (convención estándar)
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

---

2. Configuración Inicial

# Establecer estilo
sns.set_theme()  # Estilo por defecto de Seaborn

# Estilos disponibles
sns.set_style("whitegrid")   # Fondo blanco con grid
sns.set_style("darkgrid")    # Fondo gris con grid
sns.set_style("white")       # Fondo blanco sin grid
sns.set_style("dark")        # Fondo gris sin grid
sns.set_style("ticks")       # Ejes con marcas

# Contexto (escala de elementos)
sns.set_context("paper")     # Más pequeño
sns.set_context("notebook")  # Por defecto
sns.set_context("talk")      # Para presentaciones
sns.set_context("poster")    # Más grande

# Paleta de colores
sns.set_palette("deep")      # Por defecto
sns.set_palette("pastel")
sns.set_palette("Set2")
sns.set_palette("husl")

# Configuración completa
sns.set_theme(style="whitegrid", palette="deep", context="notebook")

---

3. Datasets de Ejemplo

Seaborn incluye datasets para practicar:

# Ver datasets disponibles
print(sns.get_dataset_names())

# Cargar datasets
tips = sns.load_dataset("tips")       # Propinas en restaurante
iris = sns.load_dataset("iris")       # Flores iris
titanic = sns.load_dataset("titanic") # Pasajeros del Titanic
penguins = sns.load_dataset("penguins")  # Pingüinos
flights = sns.load_dataset("flights")    # Vuelos mensuales

print(tips.head())

---

4. Gráficos de Distribución

Histograma (histplot)

tips = sns.load_dataset("tips")

# Histograma básico
sns.histplot(data=tips, x="total_bill")
plt.title("Distribución de Cuentas")
plt.show()

# Con KDE (densidad)
sns.histplot(data=tips, x="total_bill", kde=True)
plt.show()

# Por categoría
sns.histplot(data=tips, x="total_bill", hue="time", kde=True)
plt.show()

# Múltiples histogramas
sns.histplot(data=tips, x="total_bill", hue="day", multiple="stack")
plt.show()

KDE Plot (Densidad)

# Densidad simple
sns.kdeplot(data=tips, x="total_bill")
plt.show()

# Por grupos
sns.kdeplot(data=tips, x="total_bill", hue="time", fill=True, alpha=0.5)
plt.show()

# 2D
sns.kdeplot(data=tips, x="total_bill", y="tip", fill=True, cmap="Blues")
plt.show()

Rug Plot

# Muestra puntos individuales en el eje
sns.kdeplot(data=tips, x="total_bill")
sns.rugplot(data=tips, x="total_bill", height=0.05)
plt.show()

ECDF Plot (Función de Distribución Acumulada)

sns.ecdfplot(data=tips, x="total_bill", hue="time")
plt.title("ECDF de Cuentas")
plt.show()

Displot (Figura completa)

# Crea figura con facetas
sns.displot(data=tips, x="total_bill", col="time", row="smoker", kde=True)
plt.show()

---

5. Gráficos Categóricos

Strip Plot y Swarm Plot

tips = sns.load_dataset("tips")

# Strip plot (puntos dispersos)
sns.stripplot(data=tips, x="day", y="total_bill")
plt.title("Strip Plot")
plt.show()

# Swarm plot (puntos sin solapamiento)
sns.swarmplot(data=tips, x="day", y="total_bill", hue="sex")
plt.title("Swarm Plot")
plt.show()

Box Plot

# Básico
sns.boxplot(data=tips, x="day", y="total_bill")
plt.title("Box Plot")
plt.show()

# Con hue
sns.boxplot(data=tips, x="day", y="total_bill", hue="smoker")
plt.show()

# Personalizado
sns.boxplot(data=tips, x="day", y="total_bill",
            palette="Set3", linewidth=1.5, fliersize=3)
plt.show()

Violin Plot

# Básico (muestra distribución)
sns.violinplot(data=tips, x="day", y="total_bill")
plt.title("Violin Plot")
plt.show()

# Split por categoría
sns.violinplot(data=tips, x="day", y="total_bill", hue="sex", split=True)
plt.show()

# Con puntos internos
sns.violinplot(data=tips, x="day", y="total_bill", inner="points")
plt.show()

Bar Plot (con intervalos de confianza)

# Muestra media con intervalo de confianza
sns.barplot(data=tips, x="day", y="total_bill")
plt.title("Media de Cuenta por Día")
plt.show()

# Por grupos
sns.barplot(data=tips, x="day", y="total_bill", hue="sex")
plt.show()

# Sin intervalos
sns.barplot(data=tips, x="day", y="total_bill", errorbar=None)
plt.show()

# Con otra estadística
sns.barplot(data=tips, x="day", y="total_bill", estimator=np.median)
plt.show()

Count Plot

# Cuenta frecuencias
sns.countplot(data=tips, x="day")
plt.title("Frecuencia por Día")
plt.show()

# Por grupos
sns.countplot(data=tips, x="day", hue="sex")
plt.show()

# Horizontal
sns.countplot(data=tips, y="day", hue="smoker")
plt.show()

Point Plot

# Muestra medias con líneas conectadas
sns.pointplot(data=tips, x="day", y="total_bill", hue="sex")
plt.title("Point Plot")
plt.show()

Catplot (Figura completa categórica)

# Grid de gráficos categóricos
sns.catplot(data=tips, x="day", y="total_bill", col="time",
            kind="box", height=4, aspect=1)
plt.show()

# kind puede ser: 'strip', 'swarm', 'box', 'violin', 'bar', 'count', 'point'

---

6. Gráficos de Relación

Scatter Plot

tips = sns.load_dataset("tips")

# Básico
sns.scatterplot(data=tips, x="total_bill", y="tip")
plt.title("Cuenta vs Propina")
plt.show()

# Con hue (color por categoría)
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="day")
plt.show()

# Con style (forma por categoría)
sns.scatterplot(data=tips, x="total_bill", y="tip",
                hue="day", style="time", size="size")
plt.show()

Line Plot

flights = sns.load_dataset("flights")

# Línea con intervalo de confianza
sns.lineplot(data=flights, x="year", y="passengers")
plt.title("Pasajeros por Año")
plt.show()

# Por grupos
sns.lineplot(data=flights, x="year", y="passengers", hue="month")
plt.show()

Relplot (Figura completa de relaciones)

sns.relplot(data=tips, x="total_bill", y="tip",
            col="time", hue="smoker", style="smoker",
            kind="scatter", height=4, aspect=1)
plt.show()

---

7. Gráficos de Regresión

Regplot

tips = sns.load_dataset("tips")

# Regresión lineal
sns.regplot(data=tips, x="total_bill", y="tip")
plt.title("Regresión Lineal")
plt.show()

# Sin intervalo de confianza
sns.regplot(data=tips, x="total_bill", y="tip", ci=None)
plt.show()

# Regresión polinómica
sns.regplot(data=tips, x="total_bill", y="tip", order=2)
plt.show()

# Regresión lowess (no paramétrica)
sns.regplot(data=tips, x="total_bill", y="tip", lowess=True)
plt.show()

Lmplot (Figura con facetas)

# Grid de regresiones
sns.lmplot(data=tips, x="total_bill", y="tip", hue="smoker")
plt.show()

# Con facetas
sns.lmplot(data=tips, x="total_bill", y="tip", col="time", row="smoker")
plt.show()

Residplot (Residuos)

# Muestra residuos de la regresión
sns.residplot(data=tips, x="total_bill", y="tip")
plt.title("Residuos")
plt.show()

---

8. Gráficos Matriciales

Heatmap (Mapa de Calor)

# Matriz de correlación
tips = sns.load_dataset("tips")
corr = tips[["total_bill", "tip", "size"]].corr()

sns.heatmap(corr, annot=True, cmap="coolwarm", center=0)
plt.title("Matriz de Correlación")
plt.show()

# Personalizado
sns.heatmap(corr, annot=True, fmt=".2f", cmap="YlOrRd",
            linewidths=0.5, square=True,
            cbar_kws={"shrink": 0.8})
plt.show()

# Para datos de vuelos
flights = sns.load_dataset("flights")
flights_pivot = flights.pivot(index="month", columns="year", values="passengers")

sns.heatmap(flights_pivot, cmap="YlGnBu", annot=True, fmt="d")
plt.title("Pasajeros por Mes y Año")
plt.show()

Clustermap

# Mapa de calor con clustering jerárquico
flights_pivot = flights.pivot(index="month", columns="year", values="passengers")

sns.clustermap(flights_pivot, cmap="viridis", standard_scale=1)
plt.show()

---

9. Pair Plot (Matriz de Dispersión)

iris = sns.load_dataset("iris")

# Básico
sns.pairplot(iris)
plt.show()

# Por especies
sns.pairplot(iris, hue="species")
plt.show()

# Personalizado
sns.pairplot(iris, hue="species",
             diag_kind="kde",      # En diagonal: 'hist' o 'kde'
             markers=["o", "s", "D"],
             palette="Set2",
             corner=True)          # Solo triángulo inferior
plt.show()

# Seleccionar variables
sns.pairplot(iris, vars=["sepal_length", "sepal_width", "petal_length"],
             hue="species")
plt.show()

---

10. Joint Plot

tips = sns.load_dataset("tips")

# Básico (scatter + histogramas)
sns.jointplot(data=tips, x="total_bill", y="tip")
plt.show()

# Con regresión
sns.jointplot(data=tips, x="total_bill", y="tip", kind="reg")
plt.show()

# Con densidad
sns.jointplot(data=tips, x="total_bill", y="tip", kind="kde", fill=True)
plt.show()

# Hexágonos
sns.jointplot(data=tips, x="total_bill", y="tip", kind="hex")
plt.show()

# Con hue
sns.jointplot(data=tips, x="total_bill", y="tip", hue="time")
plt.show()

---

11. FacetGrid (Grillas de Gráficos)

tips = sns.load_dataset("tips")

# Crear grid
g = sns.FacetGrid(tips, col="time", row="smoker", height=4)
g.map(sns.scatterplot, "total_bill", "tip")
g.add_legend()
plt.show()

# Con más personalización
g = sns.FacetGrid(tips, col="day", col_wrap=2, height=4)
g.map(sns.histplot, "total_bill", kde=True)
g.set_titles("{col_name}")
plt.show()

# Con hue
g = sns.FacetGrid(tips, col="time", hue="smoker")
g.map(sns.scatterplot, "total_bill", "tip", alpha=0.7)
g.add_legend()
plt.show()

---

12. Paletas de Colores

# Ver paletas disponibles
# Cualitativas: deep, muted, pastel, bright, dark, colorblind
# Secuenciales: Blues, Greens, Reds, viridis, rocket, mako
# Divergentes: coolwarm, RdBu, seismic

# Mostrar paleta
sns.palplot(sns.color_palette("deep"))
plt.show()

# Crear paleta personalizada
custom = sns.color_palette(["#ff0000", "#00ff00", "#0000ff"])

# Usar paleta
sns.barplot(data=tips, x="day", y="total_bill", palette="Set2")
plt.show()

# Paleta para datos cuantitativos
sns.scatterplot(data=tips, x="total_bill", y="tip",
                hue="size", palette="viridis")
plt.show()

# Color continuo
sns.kdeplot(data=tips, x="total_bill", y="tip",
            fill=True, cmap="YlOrRd")
plt.show()

---

13. Personalización con Matplotlib

tips = sns.load_dataset("tips")

# Seaborn devuelve objetos de Matplotlib
fig, ax = plt.subplots(figsize=(10, 6))

sns.boxplot(data=tips, x="day", y="total_bill", ax=ax)

# Personalizar con Matplotlib
ax.set_title("Distribución de Cuentas por Día", fontsize=14, fontweight="bold")
ax.set_xlabel("Día de la Semana", fontsize=12)
ax.set_ylabel("Total de la Cuenta ($)", fontsize=12)
ax.tick_params(axis="both", labelsize=10)

plt.tight_layout()
plt.savefig("grafico_personalizado.png", dpi=150)
plt.show()

---

14. Ejemplo Completo: Análisis Exploratorio

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

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

# Configurar estilo
sns.set_theme(style="whitegrid", palette="deep")

# Crear figura con múltiples gráficos
fig = plt.figure(figsize=(16, 12))
fig.suptitle("Análisis Exploratorio - Dataset Tips", fontsize=16, fontweight="bold")

# 1. Distribución de cuentas
ax1 = fig.add_subplot(2, 3, 1)
sns.histplot(data=tips, x="total_bill", kde=True, ax=ax1)
ax1.set_title("Distribución de Cuentas")

# 2. Relación cuenta-propina
ax2 = fig.add_subplot(2, 3, 2)
sns.scatterplot(data=tips, x="total_bill", y="tip", hue="time", ax=ax2)
ax2.set_title("Cuenta vs Propina")

# 3. Box plot por día
ax3 = fig.add_subplot(2, 3, 3)
sns.boxplot(data=tips, x="day", y="total_bill", palette="Set2", ax=ax3)
ax3.set_title("Cuenta por Día")

# 4. Conteo por día y momento
ax4 = fig.add_subplot(2, 3, 4)
sns.countplot(data=tips, x="day", hue="time", ax=ax4)
ax4.set_title("Frecuencia por Día y Momento")
ax4.legend(title="Momento")

# 5. Violin plot fumadores
ax5 = fig.add_subplot(2, 3, 5)
sns.violinplot(data=tips, x="smoker", y="tip", hue="sex", split=True, ax=ax5)
ax5.set_title("Propinas: Fumadores vs No Fumadores")

# 6. Regresión
ax6 = fig.add_subplot(2, 3, 6)
sns.regplot(data=tips, x="total_bill", y="tip", ax=ax6, scatter_kws={"alpha": 0.5})
ax6.set_title("Regresión Lineal")

plt.tight_layout()
plt.savefig("analisis_tips.png", dpi=150, bbox_inches="tight")
plt.show()

# Pair plot separado
sns.pairplot(tips, hue="time", diag_kind="kde", corner=True)
plt.savefig("pairplot_tips.png", dpi=150)
plt.show()

# Heatmap de correlación
plt.figure(figsize=(8, 6))
numeric_tips = tips.select_dtypes(include=[np.number])
sns.heatmap(numeric_tips.corr(), annot=True, cmap="coolwarm", center=0, fmt=".2f")
plt.title("Matriz de Correlación")
plt.tight_layout()
plt.savefig("correlacion_tips.png", dpi=150)
plt.show()

---

15. Resumen de Funciones

Función	Tipo	Descripción
sns.histplot()	Distribución	Histograma
sns.kdeplot()	Distribución	Densidad
sns.boxplot()	Categórico	Diagrama de caja
sns.violinplot()	Categórico	Diagrama de violín
sns.barplot()	Categórico	Barras con media
sns.countplot()	Categórico	Conteo
sns.scatterplot()	Relación	Dispersión
sns.lineplot()	Relación	Líneas
sns.regplot()	Regresión	Con línea de regresión
sns.heatmap()	Matricial	Mapa de calor
sns.pairplot()	Multivariable	Matriz de dispersión
sns.jointplot()	Bivariable	Scatter + distribuciones

---

📅 Fecha de creación: Enero 2026
✍️ Autor: Fran García