Aprender Seaborn Gráficos categóricos

Los gráficos categóricos permiten analizar cómo se distribuye una variable numérica o cómo varían las frecuencias en función de una o más variables categóricas. Seaborn organiza estos gráficos en tres grupos principales según lo que muestran.

Tipos de gráficos categóricos

Gráficos de dispersión categórica

Muestran los puntos individuales de datos, permitiendo visualizar la distribución real sin resumen estadístico:

• stripplot(): puntos distribuidos a lo largo de la categoría con jitter opcional.
• swarmplot(): ajusta la posición de los puntos para evitar solapamientos.

Gráficos de distribución por categorías

Resumen la distribución de los datos por grupo:

• boxplot(): mediana, cuartiles y valores atípicos.
• violinplot(): combina boxplot con estimación de densidad KDE.
• boxenplot(): versión extendida del boxplot con más cuantiles visibles.

Gráficos de estimación estadística

Muestran una medida de tendencia central con barra de error:

• barplot(): media o función de estimación personalizada con intervalo de confianza.
• countplot(): frecuencia absoluta de cada categoría.
• pointplot(): como barplot pero con puntos y líneas, ideal para interacciones.

catplot como función figure-level

catplot() es la función figure-level que unifica todos los tipos anteriores mediante el parámetro kind. Admite además col y row para faceting, lo que la hace muy versátil para comparaciones multidimensionales:

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

sns.catplot(
    data=tips,
    x="day",
    y="total_bill",
    hue="smoker",
    kind="violin",
    split=True,
    col="time",
    height=5
)
plt.show()