Seaborn и Matplotlib: эффективная визуализация данных в Python

Пример 1: Анимация графика

Создание анимированного синусоидального сигнала с помощью FuncAnimation.

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
line, = ax.plot(x, np.sin(x))

def update(frame):
    line.set_ydata(np.sin(x + frame/10))
    return line,

ani = FuncAnimation(fig, update, frames=100, interval=50)
# для сохранения: ani.save('sin_animation.gif', writer='pillow')
plt.show()
    

Функция update изменяет y-данные на каждом кадре. interval задаёт задержку в мс.

Результат: анимированная синусоида, движущаяся вправо.

Пример 2: Гистограмма с KDE и наложенной нормальной кривой

Seaborn позволяет совместить гистограмму и оценку плотности распределения (KDE).

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

data = np.random.normal(0, 1, 1000)
sns.histplot(data, kde=True, bins=30, color='purple', edgecolor='white')
plt.title('Распределение с KDE')
plt.show()
    

kde=True добавляет линию плотности. bins - количество столбцов.

Пример 3: Тепловая карта корреляций

Визуализация матрицы корреляции с помощью sns.heatmap.

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

df = pd.DataFrame(np.random.rand(5,5), columns=['A','B','C','D','E'])
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm', vmin=-1, vmax=1)
plt.title('Тепловая карта корреляций')
plt.show()
    

annot=True выводит значения в ячейках. cmap - цветовая схема.

Пример 4: Пользовательские настройки осей и легенды

Детальная настройка внешнего вида: изменение шкалы, добавление сетки, кастомизация легенды.

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 5, 50)
y1 = np.exp(x)
y2 = np.exp(2*x)

plt.plot(x, y1, label='exp(x)', linewidth=2)
plt.plot(x, y2, label='exp(2x)', linestyle='--', color='red')
plt.yscale('log')  # логарифмическая шкала по Y
plt.grid(True, which='both', linestyle=':', alpha=0.6)
plt.legend(loc='upper left', frameon=True, fancybox=True, shadow=True)
plt.title('Экспоненциальные функции (логарифмическая шкала)')
plt.show()
    

Пример 5: График с доверительным интервалом (Seaborn)

Использование sns.lineplot с автоматическим построением доверительной полосы.

import seaborn as sns
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'time': np.tile(np.arange(10), 5),
    'value': np.random.normal(0, 1, 50).cumsum(),
    'group': np.repeat(['A','B','C','D','E'], 10)
})
sns.lineplot(data=df, x='time', y='value', hue='group', err_style='band', ci=95)
plt.title('Линии тренда с доверительным интервалом 95%')
plt.show()
    

Параметр ci=95 показывает 95% доверительный интервал (затенённая область).