Seaborn é uma biblioteca de visualização incrível para plotagem de gráficos estatísticos em Python. Ele fornece belos estilos padrão e paletas de cores para tornar os gráficos estatísticos mais atraentes. Ele é construído na parte superior da biblioteca matplotlib e também está intimamente integrado às estruturas de dados dos pandas.

Box Plot

Um gráfico de caixa ajuda a manter a distribuição de dados quantitativos de tal forma que facilita as comparações entre variáveis ​​ou entre níveis de uma variável categórica. O corpo principal do gráfico de caixa mostrando os quartis e os intervalos de confiança da mediana, se ativado. As medianas têm linhas horizontais na mediana de cada caixa e, enquanto os bigodes têm as linhas verticais se estendendo até os pontos mais extremos, os pontos de dados não discrepantes e os limites são as linhas horizontais nas extremidades dos bigodes.
 

Sintaxe: seaborn.boxplot (x = None, y = None, hue = None, data = None, order = None, hue_order = None, orient = None, color = None, palette = None, saturation = 0.75, width = 0.8, dodge = True, fliersize = 5, linewidth = None, whis = 1.5, ax = None, ** kwargs)

Parâmetros:  
x, y, hue: entradas para traçar dados de formato longo. 
dados: Conjunto de dados para plotagem. Se x e y estiverem ausentes, isso será interpretado como formato amplo. 
color: cor para todos os elementos.

Retorna: Retorna o objeto Axes com o gráfico desenhado nele. 

Exemplo 1: Visualização básica do conjunto de dados “fmri” usando violinplot() 

import seaborn
 
 
seaborn.set(style='whitegrid')
fmri = seaborn.load_dataset("fmri")
 
seaborn.boxplot(x="timepoint",
                y="signal",
                data=fmri)

Resultado:

Exemplo 2: Visualização básica do conjunto de dados de "dicas" usando boxplot() 

import seaborn
 
 
seaborn.set(style='whitegrid')
tip = seaborn.load_dataset('tips')
 
seaborn.boxplot(x='day', y='tip', data=tip)

Resultado:
 

Agrupando variáveis ​​no boxplot Seaborn com atributos diferentes

1. Desenhe um único gráfico de caixa horizontal usando apenas um eixo:

Se usarmos apenas uma variável de dados em vez de duas variáveis ​​de dados, isso significa que o eixo denota cada uma dessas variáveis ​​de dados como um eixo.

X denota um eixo x ey denotam um eixo y.

Sintaxe: 

seaborn.boxplot (x)

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
 
seaborn.boxplot(x =tip['total_bill'])

Resultado:

2. Desenhe boxplot horizontal:

No exemplo acima, vemos como plotar um único boxplot horizontal e aqui podemos realizar vários boxplots horizontais com troca da variável de dados com outro eixo.

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
seaborn.boxplot(x ='tip', y ='day', data = tip)

Resultado:

3. Usando o parâmetro hue:

Enquanto os pontos são plotados em duas dimensões, outra dimensão pode ser adicionada ao gráfico colorindo os pontos de acordo com uma terceira variável.

Sintaxe:

seaborn.boxplot (x, y, hue, data);

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("fmri")
 
seaborn.boxplot(x ="timepoint", 
             y ="signal", 
             hue ="region", 
             data = fmri)

Resultado:

4. Desenhe contornos em torno dos pontos de dados usando a largura de linha:

Largura das linhas cinzas que enquadram os elementos do gráfico. Sempre que aumentarmos a largura da linha, o ponto também aumentará automaticamente.

Sintaxe:

seaborn.boxplot (x, y, dados, largura de linha)

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
seaborn.boxplot(x = 'day', y = 'tip', 
                data = tip,
                linewidth=2.5)

Resultado:

5. Desenhe cada nível da variável de matiz em diferentes locais no eixo categórico principal:

Ao usar o aninhamento de matiz, definir a esquiva deve ser Verdadeiro para separar o ponto para diferentes níveis de matiz ao longo do eixo categórico. E a Paleta é usada para os diferentes níveis da variável matiz.

Sintaxe:

seaborn.boxplot (x, y, data, hue, palette, dodge)

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
seaborn.boxplot(x="day", y="total_bill", 
                hue="smoker",
                data=tips, palette="Set2",
                dodge=True)

Resultado:

Os valores possíveis da paleta são:

Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r,

GnBu, GnBu_r, Verdes, Verdes_r, Cinzas, Verdes_r, OrRd, OrRd_r, Laranjas, Oranges_r, PRGn, PRGn_r, Paired, Paired_r,

Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r,

Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1,

Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr,

YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, outono, autumn_r, binário, binary_r, osso, bone_r, brg, brg_r, bwr, bwr_r,

cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth,

gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, 

6. Controle de orientação do gráfico (vertical ou horizontal) :

Quando usamos orientar como “h”, então ele plota a vertical e se usarmos “V”, então se refere à vertical.

Sintaxe:

seaborn.boxplot (dados, orientar)

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
seaborn.boxplot(data = tip,orient="h")

Resultado:

Vamos verificar a orientação vertical:

seaborn.boxplot(data = tip,orient="v")

Resultado:

7. Usando atributos de cor para Cor para todos os elementos:

import seaborn
 
seaborn.set(style="whitegrid")
 
tip = seaborn.load_dataset("tips")
seaborn.boxplot(x = 'day', y = 'tip', data = tip,color = "green")

Resultado: