Summary  
Demonstrates how to leverage a high-level plotting library to quickly implement statistical plots with default styles and seamless DataFrame integration.

General domain of usage  
Data visualization

**Seaborn** é uma biblioteca de visualização de alto nível baseada no `matplotlib`. Veja algumas de suas vantagens em comparação ao `matplotlib`:
* interface mais simples;
* ampla variedade de estilos e paletas de cores padrão;
* integração eficiente com `pandas` DataFrame;
* diversas funções estatísticas integradas.

Abaixo está um exemplo de gráfico criado com `seaborn` utilizando apenas uma linha de código:

Aparentemente, tudo o que pode ser feito com o `seaborn` também pode ser realizado com o `matplotlib`, porém, muitas vezes, isso exige mais tempo e esforço.

Nota

No entanto, o `matplotlib`, sendo uma biblioteca de **baixo nível** em comparação, oferece mais **flexibilidade** para seus gráficos. Portanto, se for necessário criar um gráfico único com muitas personalizações, o `matplotlib` ainda é a melhor escolha.

import unittest
import inspect
import ast
import user_code  # The user's script with `import seaborn as sns`

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestSeabornImport(unittest.TestCase):
    
    @classmethod
    def setUpClass(cls):
        source = inspect.getsource(user_code)
        cls.tree = ast.parse(source)

        cls.imports = [
            node for node in ast.walk(cls.tree)
            if isinstance(node, ast.Import)
        ]

        cls.seaborn_import = next(
            (imp for imp in cls.imports
             for alias in imp.names
             if alias.name == 'seaborn' and alias.asname == 'sns'),
            None
        )

    def test_seaborn_is_imported_with_alias(self):
        _dynamic_test(
            self,
            self.seaborn_import is not None,
            "seaborn is imported with alias sns",
            "seaborn is not imported with alias sns"
        )

if __name__ == '__main__':
    unittest.main()


test_seaborn_import.py

Os dados estão em toda parte ao nosso redor, e compreendê-los é extremamente importante. A visualização auxilia no tratamento dos dados ao identificar certos padrões e insights. Você desenvolverá uma base sólida em visualização de dados utilizando Python e suas bibliotecas, como matplotlib e seaborn, para extrair o máximo de informações dos dados de forma clara e concisa.

Primeiramente, serão discutidas aplicações de plotagem, a biblioteca Matplotlib e suas vantagens. Em seguida, será criado um primeiro gráfico simples utilizando o Matplotlib.

Agora você está pronto para criar diversos gráficos comumente utilizados na prática. Sem mais delongas, vamos começar agora mesmo!

A plotagem e visualização não se limitam à criação de um ou vários gráficos, mas também envolvem torná-los claros, compreensíveis e agradáveis de visualizar. É hora de aprender a personalização de gráficos no matplotlib.

A estatística é fundamental no trabalho com dados, por isso é extremamente importante saber como criar diversos gráficos estatísticos. Agora é o momento de explorarmos os mais comuns.

Seaborn é outra biblioteca poderosa de visualização em Python, construída sobre o matplotlib. Agora que você já está familiarizado com o matplotlib, é hora de explorar a visualização com o seaborn.

Introdução ao Seaborn

Solução

Awesome!

Introdução ao Seaborn

Solução

Awesome!