Python Data Science Handbook, 2. Auflage

Kapitel 36. Visualisierung mit Seaborn

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Matplotlib ist seit Jahrzehnten das Herzstück der wissenschaftlichen Visualisierung in Python, aber selbst begeisterte Nutzer werden zugeben, dass es oft zu wünschen übrig lässt. Es gibt mehrere Beschwerden über Matplotlib, die häufig vorgebracht werden:

• Eine häufige Beschwerde aus der Anfangszeit, die inzwischen überholt ist: Vor Version 2.0 waren die Farb- und Stilvorgaben von Matplotlib manchmal schlecht und sahen veraltet aus.

• Die API von Matplotlib ist relativ einfach gehalten. Anspruchsvolle statistische Visualisierungen sind zwar möglich, erfordern aber oft eine Menge Boilerplate-Code.

• Matplotlib ist mehr als ein Jahrzehnt älter als Pandas und daher nicht für die Verwendung mit Pandas DataFrame Objekten konzipiert. Um Daten aus einem DataFrame zu visualisieren, musst du die einzelnen Series extrahieren und sie oft in das richtige Format zusammenfügen. Es wäre schöner, eine Plot-Bibliothek zu haben, die die DataFrameBeschriftungen intelligent in einem Plot verwenden kann.

Seaborn bietet eine API auf Matplotlib, die eine vernünftige Auswahl an Plotstilen und Farbvorgaben bietet, einfache High-Level-Funktionen für gängige statistische Plot-Typen definiert und sich mit den Funktionen von Pandas integrieren lässt.

Fairerweise muss man sagen, dass sich das Matplotlib-Team an die veränderte Landschaft ...