Data Analysis · Lección 11 de 19

Seaborn: Visualización Estadística

Seaborn es una biblioteca construida sobre Matplotlib que automatiza la creación de gráficos estadísticos complejos. Lo que en Matplotlib requiere 15 líneas de código, en Seaborn se hace en 1. Está diseñada para trabajar directamente con DataFrames de pandas, lo que la convierte en la herramienta de visualización favorita de los Data Analysts.

90–120 min Prerrequisitos: Lección 10 (Matplotlib básico)

Concepto teórico

¿Por qué Seaborn si ya tenemos Matplotlib?

Aspecto	Matplotlib	Seaborn
Nivel	Bajo nivel (control total)	Alto nivel (resultados rápidos)
Input	Arrays/listas	DataFrames directamente
Estética	Hay que configurar todo	Temas profesionales incorporados
Gráficos estadísticos	Manual	Automáticos (boxplot, violin, etc)
¿Cuándo usarlo?	Personalización extrema	Exploración y reportes rápidos

No es Seaborn vs Matplotlib — es Seaborn + Matplotlib. Seaborn genera los gráficos, y podés usar Matplotlib para ajustar detalles. Todo gráfico de Seaborn es un gráfico de Matplotlib por debajo, así que plt.title(), plt.xlabel(), etc. funcionan sobre los gráficos de Seaborn.

Los gráficos clave de Seaborn

Gráfico	Función	Qué muestra	Úsalo para
Box Plot	`sns.boxplot()`	Mediana, cuartiles, outliers	Comparar distribuciones por categoría
Violin Plot	`sns.violinplot()`	Distribución completa + densidad	Distribuciones con forma visible
Count Plot	`sns.countplot()`	Conteo de categorías	Distribución categórica
Heatmap	`sns.heatmap()`	Matriz con colores	Correlaciones, pivot tables
Scatter + tendencia	`sns.regplot()`	Puntos + regresión lineal	Relación entre variables
Histograma + KDE	`sns.histplot()`	Distribución + curva suavizada	Forma de la distribución
Bar con error	`sns.barplot()`	Media + intervalo de confianza	Comparar medias con incertidumbre

Analogía: Matplotlib es como tener un taller de carpintería completo — podés construir cualquier mueble, pero todo lo hacés a mano. Seaborn es como IKEA — viene con diseños profesionales pre-armados que se montan rápido. Y si necesitás un ajuste extra, siempre podés usar las herramientas del taller (Matplotlib) sobre el mueble de IKEA (Seaborn).

En el trabajo real: en la fase de exploración usás Seaborn porque es rapidísimo. En 5 minutos generás 10 gráficos que te muestran patrones. Cuando necesitás un gráfico final para una presentación ejecutiva con estilos corporativos específicos, pulís con Matplotlib.

Ejemplos explicados paso a paso

Ejemplo 1: Box Plot — Distribución por segmento

El box plot muestra mediana, cuartiles e identifica outliers automáticamente. Es la forma más eficiente de comparar distribuciones entre categorías.

ejemplo_01_boxplot.pyPython

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Segmento": ["Premium"]*30 + ["Estándar"]*40 + ["Básico"]*30,
    "Saldo": np.concatenate([
        np.random.normal(800000, 150000, 30),
        np.random.normal(350000, 80000, 40),
        np.random.normal(120000, 40000, 30)
    ])
})

plt.figure(figsize=(8, 5))
sns.boxplot(data=df, x="Segmento", y="Saldo",
            order=["Premium", "Estándar", "Básico"],
            palette=["#2196F3", "#FF9800", "#4CAF50"])

plt.title("Distribución de Saldos por Segmento", fontsize=14, fontweight="bold")
plt.ylabel("Saldo ($)")
plt.tight_layout()
plt.show()

# Interpretación
for seg in ["Premium", "Estándar", "Básico"]:
    med = df[df["Segmento"]==seg]["Saldo"].median()
    print(f"{seg}: mediana ${med:,.0f}")

Hacé clic en ▶ Ejecutar

Cómo leer un box plot: la línea del medio es la mediana. La caja va de Q1 a Q3 (50% central de los datos). Los "bigotes" se extienden hasta 1.5×IQR. Los puntos fuera de los bigotes son outliers. Si la mediana no está centrada en la caja, la distribución es asimétrica.

Ejemplo 2: Histograma con KDE — Forma de la distribución

Seaborn combina histograma con una curva de densidad suavizada (KDE) que muestra la "forma" de la distribución sin el ruido de los bins.

ejemplo_02_histplot.pyPython

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Ingreso": np.concatenate([
        np.random.normal(300000, 60000, 150),
        np.random.normal(700000, 100000, 50)
    ])
})

plt.figure(figsize=(8, 5))
sns.histplot(data=df, x="Ingreso", bins=30, kde=True,
             color="#9C27B0", alpha=0.6)

# Añadir línea de mediana
mediana = df["Ingreso"].median()
plt.axvline(mediana, color="#FF5722", linestyle="--", linewidth=2,
            label=f"Mediana: ${mediana:,.0f}")

plt.title("Distribución de Ingresos", fontsize=14, fontweight="bold")
plt.xlabel("Ingreso ($)")
plt.legend()
plt.tight_layout()
plt.show()

print(f"La KDE muestra 2 picos → distribución bimodal")
print(f"Hay 2 grupos distintos de ingresos")

Hacé clic en ▶ Ejecutar

Ejemplo 3: Heatmap — Matriz de correlaciones

El heatmap visualiza una matriz numérica con colores. El uso más habitual es mostrar las correlaciones entre todas las variables numéricas de tu dataset.

ejemplo_03_heatmap.pyPython

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
n = 100
antiguedad = np.random.uniform(1, 20, n)
ingreso = antiguedad * 40000 + np.random.normal(0, 50000, n)
productos = np.clip(antiguedad * 0.4 + np.random.normal(0, 1, n), 1, 10)
saldo = ingreso * 0.5 + np.random.normal(0, 30000, n)

df = pd.DataFrame({
    "Antiguedad": antiguedad,
    "Ingreso": ingreso,
    "Productos": productos,
    "Saldo": saldo
})

# Matriz de correlación
corr = df.corr().round(2)
print("=== Matriz de correlación ===")
print(corr)

plt.figure(figsize=(7, 5))
sns.heatmap(corr, annot=True, cmap="RdYlBu_r", center=0,
            fmt=".2f", square=True, linewidths=1)

plt.title("Correlación entre Variables", fontsize=14, fontweight="bold")
plt.tight_layout()
plt.show()

Hacé clic en ▶ Ejecutar

Cómo leer el heatmap de correlaciones: valores cercanos a +1 (rojo) indican correlación positiva fuerte (cuando una sube, la otra también). Valores cercanos a -1 (azul) indican correlación negativa. Valores cercanos a 0 indican que no hay relación lineal.

Ejemplo 4: Count Plot y Bar Plot — Distribución categórica

Dos formas de visualizar datos categóricos: countplot cuenta automáticamente, barplot calcula la media con intervalo de confianza.

ejemplo_04_categoricos.pyPython

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Canal": np.random.choice(["Web", "App", "Sucursal"], 100, p=[0.45, 0.35, 0.20]),
    "Monto": np.random.normal(15000, 5000, 100).astype(int)
})

fig, axes = plt.subplots(1, 2, figsize=(12, 5))

# 1. Count plot: cuántas operaciones por canal
sns.countplot(data=df, x="Canal", palette="Set2", ax=axes[0],
              order=["Web", "App", "Sucursal"])
axes[0].set_title("Operaciones por Canal", fontweight="bold")
axes[0].set_ylabel("Cantidad")

# 2. Bar plot: monto promedio por canal (con IC 95%)
sns.barplot(data=df, x="Canal", y="Monto", palette="Set2", ax=axes[1],
            order=["Web", "App", "Sucursal"], errorbar="sd")
axes[1].set_title("Monto Promedio por Canal", fontweight="bold")
axes[1].set_ylabel("Monto Promedio ($)")

plt.tight_layout()
plt.show()

print("Count: cuántas operaciones hay de cada tipo")
print("Bar: cuál es el monto promedio (las líneas son la desv. estándar)")

Hacé clic en ▶ Ejecutar

Ejemplo 5: Scatter con regresión — regplot

Seaborn automatiza la línea de tendencia (regresión lineal) sobre un scatter plot, incluyendo el intervalo de confianza.

ejemplo_05_regplot.pyPython

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Antiguedad": np.random.uniform(1, 20, 60),
})
df["Ingreso"] = df["Antiguedad"] * 35000 + np.random.normal(0, 50000, 60)

plt.figure(figsize=(8, 5))
sns.regplot(data=df, x="Antiguedad", y="Ingreso",
            scatter_kws={"alpha": 0.5, "s": 40},
            line_kws={"color": "#E91E63", "linewidth": 2},
            color="#9C27B0")

plt.title("Antigüedad vs Ingreso (con regresión)", fontsize=14, fontweight="bold")
plt.xlabel("Antigüedad (años)")
plt.ylabel("Ingreso ($)")
plt.tight_layout()
plt.show()

corr = df["Antiguedad"].corr(df["Ingreso"])
print(f"Correlación: {corr:.2f}")
print(f"Cada año de antigüedad ≈ +$35K de ingreso")

Hacé clic en ▶ Ejecutar

Referencia rápida

Función Seaborn	Tipo de gráfico	Parámetros clave
`sns.boxplot()`	Box plot	`data, x, y, palette, order`
`sns.violinplot()`	Violin plot	`data, x, y, inner="box"`
`sns.histplot()`	Histograma + KDE	`data, x, bins, kde`
`sns.countplot()`	Conteo categórico	`data, x, hue, order`
`sns.barplot()`	Media + error	`data, x, y, errorbar`
`sns.heatmap()`	Mapa de calor	`data, annot, cmap, center`
`sns.regplot()`	Scatter + regresión	`data, x, y`
`sns.set_theme()`	Estilo global	`style, palette, font_scale`

Ejercicios

Nivel 1 · Básico

Ejercicio 1: Box plot simple

Creá un box plot de Saldo por Segmento. Imprimí Boxplot OK.

ejercicio_01.pyDebe imprimir "Boxplot OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Segmento": ["A"]*5 + ["B"]*5,
    "Saldo": [100, 200, 150, 300, 250, 500, 600, 550, 700, 650]
})

# sns.boxplot + show + print

Hacé clic en ▶ Ejecutar

Nivel 1 · Básico

Ejercicio 2: Histograma con KDE

Creá un histograma de Ingreso con kde=True. Imprimí Histograma Seaborn OK.

ejercicio_02.pyDebe imprimir "Histograma Seaborn OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({"Ingreso": np.random.normal(400000, 100000, 100)})

# sns.histplot con kde=True

Hacé clic en ▶ Ejecutar

Nivel 1 · Básico

Ejercicio 3: Count plot

Creá un count plot para ver cuántos clientes hay por Canal. Imprimí Conteo OK.

ejercicio_03.pyDebe imprimir "Conteo OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Canal": ["Web","App","Web","Sucursal","App","Web","App","Web","Sucursal","Web"]
})

# sns.countplot

Hacé clic en ▶ Ejecutar

Nivel 2 · Intermedio

Ejercicio 4: Heatmap de correlación

Calculá la matriz de correlación del DataFrame y visualizala con sns.heatmap(). Imprimí Heatmap OK.

ejercicio_04.pyDebe imprimir "Heatmap OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Edad": [25, 30, 35, 40, 45, 50],
    "Ingreso": [200, 350, 400, 550, 600, 750],
    "Saldo": [50, 120, 180, 250, 300, 400]
})

# Correlación + heatmap

Hacé clic en ▶ Ejecutar

Nivel 2 · Intermedio

Ejercicio 5: regplot — Scatter con regresión

Graficá la relación entre Edad e Ingreso con sns.regplot(). Imprimí la correlación, debe incluir 0.99.

ejercicio_05.pyDebe incluir "0.99"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Edad": [25, 30, 35, 40, 45, 50],
    "Ingreso": [200, 350, 400, 550, 600, 750]
})

# sns.regplot + correlación

Hacé clic en ▶ Ejecutar

Nivel 2 · Intermedio

Ejercicio 6: barplot con error bars

Creá un barplot del monto promedio por segmento con errorbar="sd". Imprimí Barplot Seaborn OK.

ejercicio_06.pyDebe imprimir "Barplot Seaborn OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Segmento": ["A"]*5 + ["B"]*5 + ["C"]*5,
    "Monto": [100,120,110,130,105, 200,220,190,210,230, 50,60,55,65,45]
})

# sns.barplot con errorbar

Hacé clic en ▶ Ejecutar

Nivel 3 · Avanzado

Ejercicio 7: Boxplot + título + ylabel

Creá un boxplot de Ingreso por Ciudad con título, ylabel y palette="Set2". Imprimí Box profesional.

ejercicio_07.pyDebe imprimir "Box profesional"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Ciudad": ["CABA"]*20 + ["Rosario"]*20 + ["Córdoba"]*20,
    "Ingreso": np.concatenate([
        np.random.normal(500000, 100000, 20),
        np.random.normal(350000, 80000, 20),
        np.random.normal(280000, 60000, 20)
    ])
})

# Boxplot profesional completo

Hacé clic en ▶ Ejecutar

Nivel 3 · Avanzado

Ejercicio 8: Histograma comparativo con hue

Creá un histograma de Saldo separado por Segmento usando hue. Imprimí Histograma comparativo OK.

ejercicio_08.pyDebe imprimir "Histograma comparativo OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Segmento": ["Premium"]*30 + ["Estándar"]*30,
    "Saldo": np.concatenate([
        np.random.normal(800, 150, 30),
        np.random.normal(350, 80, 30)
    ])
})

# histplot con hue para comparar distribuciones

Hacé clic en ▶ Ejecutar

Nivel 3 · Avanzado

Ejercicio 9: Heatmap de pivot table

Creá una pivot_table (Sucursal × Canal, suma de Monto) y visualizala como heatmap. Imprimí Pivot heatmap OK.

ejercicio_09.pyDebe imprimir "Pivot heatmap OK"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({
    "Sucursal": ["CABA","CABA","Rosario","Rosario","CABA","Rosario"],
    "Canal": ["Web","App","Web","App","App","Web"],
    "Monto": [50000, 30000, 25000, 18000, 42000, 22000]
})

# pivot_table + heatmap

Hacé clic en ▶ Ejecutar

Nivel 4 · Desafío

Ejercicio 10: Dashboard con 4 gráficos Seaborn

Creá 4 subplots: (1) boxplot, (2) histplot con kde, (3) countplot, (4) barplot. Usá fig, axes = plt.subplots(2, 2). Imprimí Dashboard completo.

ejercicio_10_desafio.pyDebe imprimir "Dashboard completo"

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "Segmento": np.random.choice(["Premium","Estándar","Básico"], 60),
    "Canal": np.random.choice(["Web","App","Sucursal"], 60),
    "Monto": np.random.normal(15000, 5000, 60).astype(int)
})

# fig, axes = plt.subplots(2, 2, figsize=(12, 10))
# 4 gráficos Seaborn en una sola figura

Hacé clic en ▶ Ejecutar

Resumen y conexión

Seaborn trabaja directamente con DataFrames — pasás data=df, x="col", y="col".
Box plot muestra mediana + cuartiles + outliers en un solo gráfico.
histplot con kde=True muestra distribución + curva de densidad suavizada.
heatmap visualiza matrices numéricas (correlaciones, pivot tables).
countplot cuenta frecuencias; barplot calcula la media con intervalos de confianza.
regplot agrega regresión lineal automática sobre un scatter.
El parámetro hue colorea por categoría en casi todos los gráficos.
Podés usar plt.title() y plt.xlabel() porque Seaborn se construye sobre Matplotlib.

En la siguiente lección (12 · EDA Completo) vas a combinar todo lo aprendido hasta ahora — pandas, estadística, matplotlib y seaborn — en un proceso estructurado de Análisis Exploratorio de Datos de principio a fin.

Recursos: Seaborn Tutorial · Galería de ejemplos

Hecho con ❤️ por Rodri Gonzalez