Aprender Seaborn Regresión y matrices de calor

Este módulo cubre dos familias de gráficos especializados en Seaborn: los gráficos de regresión para visualizar modelos estadísticos y las matrices de calor para representar datos matriciales como correlaciones o tablas de contingencia.

Gráficos de regresión

Seaborn distingue entre dos funciones de regresión:

• regplot(): función axes-level que dibuja una nube de puntos con la línea de regresión y su intervalo de confianza sobre un eje existente.
• lmplot(): función figure-level que añade capacidad de faceting mediante col, row y hue.

Ambas admiten regresión lineal simple, polinómica, robusta (lowess) y regresión logística. residplot() complementa el análisis mostrando los residuos del modelo para diagnosticar su calidad:

import seaborn as sns
import matplotlib.pyplot as plt

tips = sns.load_dataset("tips")

sns.lmplot(
    data=tips,
    x="total_bill",
    y="tip",
    hue="smoker",
    col="time",
    height=5,
    order=1
)
plt.show()

Mapas de calor con heatmap

heatmap() visualiza matrices de datos numéricos con codificación de color. Su uso más común es representar matrices de correlación, pero acepta cualquier DataFrame bidimensional:

corr = tips.select_dtypes("number").corr()

sns.heatmap(
    corr,
    annot=True,
    fmt=".2f",
    cmap="coolwarm",
    vmin=-1,
    vmax=1,
    square=True,
    linewidths=0.5
)
plt.title("Matriz de correlación")
plt.show()

Clustering jerárquico con clustermap

clustermap() extiende heatmap() con agrupamiento jerárquico (dendrogramas) tanto en filas como en columnas, revelando grupos de variables o muestras con comportamientos similares.