Tout d’abord, import seaborn as sns, ‘sns’ est l’alias couramment utilisé. Nous savons que NumPy est l’abréviation de Numerical Python, et que Matplotlib est l’abréviation de Mathematical Plotting Library. Mais devine l’abréviation de Seaborn ? Un personnage de film ! Oui, apparemment il est nommé d’après un personnage nommé Samuel Norman Seaborn de la série télévisée “The West Wing” – ainsi, l’alias standard est les initiales du personnage (“sns”). Cool, non ?
Il y a beaucoup de diagrammes possibles dans Seaborn et il est difficile de s’en souvenir ! Lorsque j’ai réfléchi à un moyen facile de s’en souvenir, j’ai réalisé que nous pouvions les classer dans les sections suivantes en fonction de variables, telles que :
- Diagrammes catégoriels : Diagrammes permettant de visualiser les données catégorielles.
Par exemple, le Bar Plot (diagramme en barres), le Count Plot (diagramme de comptage), le Swarm Plot, le Point Plot, lee Cat Plot, le Categorical Box Plot, le Categorical Violin Plot, le Categorical Swarm Plot, etc. - Diagrammes univariés : Diagrammes qui visualisent une seule variable.
Par exemple, l’histogramme, le graphe KDE, le Rug Plot, le Box Plot, le Dist Plot, le Violin Plot, le Strip Plot, etc. - Diagrammes à deux variables : Diagrammes qui visualisent la relation entre deux variables.
Par exemple, le Scatter PLot (diagramme de dispersion), le Line Plot (diagramme linéaire), le Regression PLot (diagramme de régression), le Join Plot (diagramme de jonction), le Hexbin Plot (diagramme hexagonal), etc. - Diagrammes multivariés : Diagrammes impliquant plus de deux variables.
Par exemple, le Pair Plot, le Facet Grid, le Relational Plot. - Diagrammes matriciels : Diagrammes qui visualisent les relations au sein des matrices de données.
Par exemple, la Heatmap (carte thermique) et la Cluster Map.
Dans ce guide, nous allons nous plonger dans tous ces diagrammes intéressants de Seaborn et nous utiliserons également Matplotlib, je t’encourage donc à consulter les tutos sur Matplotlib si besoin !
