2
respostas

Por que aprender seaborn?

Olá. Ultimamente tenho tido esta dúvida: se seaborn é construído tendo como base matplotlib, por que não aprender apenas matplotlib? Tudo que o seaborn faz, matplotlib também faz e, por extensão, vai além. Certo?

Eu sei que matplotlib é mais complexo e que o seaborn é melhor para iniciantes, reduz as linhas de código etc, mas o que me parece mais confuso ainda é aprender ambas bibliotecas simultaneamente (eu confundo os argumentos, os métodos, etc). Comecei a dar uma ênfase maior em matplotlib e tem ficado um pouco mais claro usá-lo desde então.

2 respostas

Bom dia Ciro, tudo bem?

Cara, seu questionamento é bem válido, levando em consideração que ambas tem bastante coisa em comum. Mas eu acho que neste caso se trata de conhecimento macro e micro. Estudando matplotlib, na minha opinião você terá um conhecimento macro. Mas de toda forma, essa atitude deve ser tomada por si só. Vou deixar um link abaixo que faz comparação entre Matplotlib x Seaborn, apesar de estar em inglês, da pra entender. Acredito que usando uma ferramenta de tradução do google ajude tambem. De qualquer forma, desejo sucesso pra você.

https://www.geeksforgeeks.org/difference-between-matplotlib-vs-seaborn/

Um abraço.

Oi Ciro, Na minha opinião os gráficos do seaborn são mais sofisticados e bonitos.

Matplotlib: é uma biblioteca Python usada para traçar gráficos com a ajuda de outras bibliotecas como Numpy e Pandas. É uma ferramenta poderosa para visualizar dados em Python. É usado para criar interferências estáticas e traçar gráficos 2D de matrizes. Foi introduzido pela primeira vez por John D. Hunter em 2002. Ele usa Pyplot para fornecer interface semelhante a MATLAB gratuita e de código aberto. É capaz de lidar com vários sistemas operacionais e seus back-ends gráficos.

Seaborn : também é uma biblioteca Python usada para traçar gráficos com a ajuda de Matplotlib, Pandas e Numpy. Foi construído no telhado do Matplotlib e é considerado um superconjunto da biblioteca Matplotlib. Ele ajuda na visualização de dados univariados e bivariados. Ele usa belos temas para decorar gráficos Matplotlib. Ele atua como uma ferramenta importante na representação de modelos de regressão linear. Ele serve para fazer gráficos de dados estáticos de séries temporais. Elimina a sobreposição de gráficos e também auxilia no seu embelezamento.