Visualisierungen mit Seaborn

Im folgenden Abschnitt wird ein Überblick über verschiedene Visualisierungsformen gegeben und anhand von Beispielen gezeigt, wie diese in Python mit der Bibliothek seaborn programmiert werden können.

Das Thema Visualisierungen ist komplex: Es gibt sehr viele Parameter und Stellschrauben, die man auswendig lernen oder in den Dokumentationen der Bibliotheken pandas, seaborn und matplotlib Nachschlagen muss. Die Erstellung von eindrucksvollen und aussagekräftigen Graphiken erfordert viel Praxiserfahrung, Zeit und Mühe. Die Einführungsseite von seaborn ist sehr hilfreich um eine erste Eindruck zu gewinne.

Auf der anderen Seite lassen sich schon mit wenig Programmcode annehmbare Visualisierungen erstellen. Am besten orientierst Du Dich an den zahlreiche Beispielen online und änderst den Code Deinen Erfordernissen an. Nach dem Kapitel solltest Du die folgenden Fragen beantworten können:

  • Wie können uni- und bivariate Verteilungen in Pandas visualisiert werden?
  • Wie interpretiere und erstelle ich Boxplots, Histogramme und Streudiagramme?

Das Buch “Fundamentals of Data Visualization” (Claus O. Wilke, O’Reilly, 2019) vermittelt ein sehr gutes Grundverständnis wie man Daten effektiv in Visualisierungen übersetzt. Das Buch steht auch unter CC-BY-SA-Lizenz online zur Verfügung. Zumindest das Kapitel Visualizing data: Mapping data onto aesthetics sollte man sich unbedingt anschauen. Eine weitere gute, offene Quelle für Tipps zur Visualisierung stellt Serie “Points of View” von Nature Methods dar. "

Dieses Cheat-Sheet gibt einen guten Überblick über die Erstellung von Plots mit Seaborn.

3.9 Balkendiagramme bei Fox News (15 Min)

  • Was fällt Dir an den folgenden Diagrammen von FoxNews auf?
  • Was würdest Du anders machen?
  • Welche Botschaft wollten die “Designer” vermutlich vermitteln? Passt die Botschaft mit den Daten zusammen? (s. auch Quelle und Hintergründe oder auch dieses Beispiel)