Visualização Estatística com Seaborn

Visão Geral

Seaborn é uma biblioteca de visualização em Python para criar gráficos estatísticos de qualidade para publicação. Use esta habilidade para plotagem orientada a conjuntos de dados, análise multivariada, estimativa estatística automática e figuras complexas com múltiplos painéis usando o mínimo de código.

Ambiente e Instalação

Revisado em 01-10-2026 contra a documentação estável atual Seaborn 0.13.2 e código fonte liberado. Verificações sintéticas nativas usaram Python 3.13, Seaborn 0.13.2, Matplotlib 3.11.2, pandas 3.0.6, NumPy 2.5.3, SciPy 1.18.1 e statsmodels 0.15.0. A documentação oficial suporta Python 3.8+ com dependências obrigatórias de NumPy, pandas e matplotlib; scipy, statsmodels e fastcluster são opcionais para alguns fluxos de trabalho avançados de estatística e clustering. A pilha testada emite avisos de descontinuação do pandas Copy-on-Write e Matplotlib; gráficos atuais bem-sucedidos não garantem compatibilidade com futuras versões pandas 4 ou Matplotlib 3.13.

# Reproducible install for examples in this skill
uv pip install "seaborn==0.13.2"

# Include optional statistical dependencies when needed
uv pip install "seaborn[stats]==0.13.2"

Importações recomendadas:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import seaborn.objects as so

sns.load_dataset() baixa dados de exemplo públicos em CSV do repositório mwaskom/seaborn-data em movimento quando não está em cache; ele retorna um DataFrame e aplica algum pré-processamento específico do conjunto de dados. Nenhuma credencial é necessária. A presença do cache não estabelece a versão do conjunto de dados: registre a revisão da origem ou o hash do arquivo para reprodutibilidade. Para trabalho privado, regulamentado ou offline, carregue arquivos locais explicitamente com pandas e passe o DataFrame resultante para o seaborn.

Filosofia de Design

Seaborn segue estes princípios centrais:

1. Orientado a conjuntos de dados: Trabalhe diretamente com DataFrames e variáveis nomeadas em vez de coordenadas abstratas
2. Mapeamento semântico: Traduza automaticamente valores de dados em propriedades visuais (cores, tamanhos, estilos)
3. Consciência estatística: Agregação embutida, estimativa de erro e intervalos de confiança
4. Padrões estéticos: Temas prontos para publicação e paletas de cores prontas para uso
5. Integração com Matplotlib: Eixos e artistas do Matplotlib suportam personalização adicional

Início Rápido

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

# Load example dataset
df = sns.load_dataset('tips')

# Create a simple visualization
sns.scatterplot(data=df, x='total_bill', y='tip', hue='day')
plt.show()

Interfaces de Plotagem Principais

Interface de Função (Tradicional)

A interface de função fornece funções de plotagem especializadas organizadas por tipo de visualização. Cada categoria tem funções de nível de eixo (plotar em um único eixo) e funções de nível de figura (gerenciar a figura inteira com facetas).

Quando usar:

• Análise exploratória rápida
• Visualizações de propósito único
• Quando você precisa de um tipo de gráfico específico

Interface de Objetos (Moderna)

A interface seaborn.objects fornece uma API declarativa e composível semelhante ao ggplot2. Construa visualizações encadeando métodos para especificar mapeamentos de dados, marcas, transformações e escalas. A versão upstream ainda descreve esta interface como experimental e incompleta em 0.13.2, embora estável o suficiente para uso sério; prefira a interface de função para código de produção conservador, a menos que a API composicional simplifique materialmente o gráfico.

Quando usar:

• Visualizações em camadas complexas
• Quando você precisa de controle granular sobre transformações
• Construção de tipos de gráficos personalizados
• Geração programática de gráficos

from seaborn import objects as so

# Declarative syntax
(
    so.Plot(data=df, x='total_bill', y='tip')
    .add(so.Dot(), color='day')
    .add(so.Line(), so.PolyFit(order=1))
)

Notas da API Atual

Seaborn 0.12 e 0.13 mudaram vários padrões de plotagem comuns:

• A maioria das funções de plotagem agora requer argumentos nomeados para variáveis. Prefira sns.scatterplot(data=df, x="x", y="y") em vez de sns.scatterplot(df["x"], df["y"]) posicionais.
• errorbar substitui o antigo parâmetro ci em lineplot(), barplot() e pointplot(). Funções de regressão como regplot() e lmplot() ainda usam ci.
• Gráficos categóricos foram reescritos em 0.13. Use native_scale=True quando categorias numéricas ou de data/hora devem manter sua escala original em vez de posições ordinais.

…