Aprender Seaborn Personalización avanzada

La personalización avanzada en Seaborn permite llevar las visualizaciones más allá de las opciones predeterminadas, creando gráficos que se ajustan exactamente a las necesidades del análisis o a los estándares visuales de una organización.

Paletas de colores

Seaborn organiza las paletas en tres categorías según el tipo de dato que representan:

• Cualitativas (categóricas): deep, muted, pastel, bright, dark, colorblind, Set1, tab10.
• Secuenciales (datos ordenados de menor a mayor): Blues, viridis, rocket, mako, flare.
• Divergentes (datos con punto central): coolwarm, RdBu, vlag, icefire.

import seaborn as sns
import matplotlib.pyplot as plt

# Visualizar una paleta
pal = sns.color_palette("viridis", 8)
sns.palplot(pal)
plt.title("Paleta viridis con 8 colores")
plt.show()

FacetGrid

FacetGrid es la clase de bajo nivel que gestiona cuadrículas de subgráficos condicionados a variables categóricas. Las funciones figure-level (relplot, displot, catplot) la utilizan internamente, pero crear un FacetGrid directamente ofrece máxima flexibilidad para mapear funciones arbitrarias de Matplotlib o Seaborn.

PairGrid y JointGrid

PairGrid es la clase de bajo nivel que impulsa pairplot(). Permite asignar diferentes funciones a la diagonal, el triángulo superior e inferior. JointGrid hace lo mismo para jointplot(), con control total sobre los gráficos central y marginales.

Temas, rcParams y despine

set_theme(), set_style(), set_context() y set_palette() modifican los parámetros globales de Matplotlib (rcParams) de forma reversible. La función despine() elimina los bordes del gráfico para un estilo más limpio y moderno.