Summary  
This chapter introduces a high-level plotting library that simplifies creating statistical visualizations through concise function calls, built-in styling, and seamless integration with tabular data.  

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 `seaborn` também pode ser realizado com `matplotlib`, porém pode exigir mais tempo e esforço.

Nota

No entanto, o `matplotlib`, por ser 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 na análise de 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.

Descubra os conceitos essenciais da visualização de dados com Matplotlib. Conheça seus conceitos centrais, explore suas vantagens e crie seu primeiro gráfico simples utilizando esta biblioteca fundamental de plotagem.

Domine a visualização de dados por meio dos tipos de gráficos mais populares. Aprenda a construir gráficos de linha, dispersão e barras para comunicar claramente insights extraídos dos seus dados.

Aprenda a tornar seus gráficos mais informativos e visualmente atraentes. Adicione títulos, legendas, cores e grades, e descubra como organizar múltiplos subgráficos de forma eficaz.

Explore visualizações estatísticas que auxiliam na análise de distribuições e padrões de dados. Crie histogramas, boxplots e gráficos de pizza para revelar insights estatísticos mais profundos.

Aprimore suas habilidades de visualização com Seaborn. Crie gráficos avançados como countplots, KDEs, pair plots e heatmaps, dominando o estilo elegante e as opções de personalização do Seaborn.

Introdução ao Seaborn

Solução

Introdução ao Seaborn

Solução