Skip to main content

Introduction à Seaborn

Seaborn est une bibliothèque Python de visualisation de données basée sur matplotlib.
Elle simplifie la création de graphiques statistiques et produit des visualisations plus esthétiques par défaut.

Pourquoi utiliser Seaborn ?​

  • Syntaxe simple, intégrée à pandas
  • Apparence professionnelle par défaut
  • Graphiques statistiques utiles pour l’exploration des données

Installation​

Si vous avez Anaconda, Seaborn est déjà installé. Sinon, utilisez :

pip install seaborn

Importation​

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

Exemple de dataset intégré​

Seaborn inclut des jeux de données prêts à l’emploi :

df = sns.load_dataset("penguins")
print(df.head())

Quelques graphs d'exemples​

Attention

Attention, plt.show() n'est pas toujours obligatoire avec Seaborn. On l’utilise généralement lorsqu’on combine ou surcharge des graphiques Seaborn avec des éléments de Matplotlib.

Graphique en nuage de points (scatterplot)​

sns.scatterplot(data=df, x="flipper_length_mm", y="body_mass_g")
plt.title("Longueur des nageoires vs Masse corporelle")
plt.show()

Coloration par catégorie​

sns.scatterplot(data=df, x="flipper_length_mm", y="body_mass_g", hue="species")
plt.title("Espèces de manchots")
plt.show()

Graphique en barres​

sns.barplot(data=df, x="species", y="body_mass_g")
plt.title("Masse corporelle moyenne par espèce")
plt.show()

Graphique en boîte (boxplot)​

sns.boxplot(data=df, x="species", y="flipper_length_mm")
plt.title("Distribution des longueurs de nageoires")
plt.show()

Histogramme avec histplot​

sns.histplot(data=df, x="body_mass_g", bins=20, kde=True)
plt.title("Répartition des masses")
plt.show()

Corrélation avec heatmap​

corr = df.corr(numeric_only=True)
sns.heatmap(corr, annot=True, cmap="coolwarm")
plt.title("Matrice de corrélation")
plt.show()

Facettage : plusieurs graphes par groupe​

sns.relplot(data=df, x="flipper_length_mm", y="body_mass_g", hue="species", col="sex")
plt.show()

À retenir​

FonctionDescription
scatterplot()Nuage de points
barplot()Moyennes avec barres d'erreur
boxplot()Boîte à moustaches
histplot()Histogramme
heatmap()Matrice de corrélation
relplot()Facettage automatique

Bonnes pratiques​

  • Utiliser Seaborn avec des DataFrame pandas
  • Toujours importer matplotlib pour plt.show()
  • Tester les jeux de données intégrés (tips, penguins, titanic…)

Prochaines étapes​

  • Personnaliser les couleurs et styles (palette, style, context)
  • Combiner avec matplotlib pour des graphiques plus complexes
  • Explorer les graphiques avancés : violinplot, pairplot, catplot