Seaborn est encore peu connu mais il a le vent en poupe. En réalité, si vous opérez dans l'analyse de données, il va rapidement vous paraître incontournable. Mieux encore, se former à son usage va sembler indispensable. La raison ? À partir de quelques instructions concises, Seaborn peut produire des graphiques informatifs, très utiles et de bel aspect. Alors, comment résister ?
Si vous êtes un data scientist, il est probable que vous utilisiez Numpy pour afficher et traiter vos tableaux de données. Par nature, les bases de données intègrent énormément d'informations et donc, une bibliothèque telle que Numpy pour Python se révèle supérieurement utile pour ce qui est de faire ressortir des tendances, des statistiques, des situations méritant notre attention.
Cela étant dit, il va de soi qu'un bon graphique sera toujours plus parlant qu'un tableau synthétique. Une courbe, un histogramme, va pouvoir faire ressortir du premier coup d'œil un phénomène sur lequel l'on cherche à attirer l'attention. L'affaire est entendue : en matière de représentation graphique sous Python, vous savez aussi qu'il est possible de recourir à la bibliothèque Matplotlib pour tracer les graphiques de son choix, sans limite potentielle.
Pourtant, depuis 2020 environ, une autre solution est régulièrement évoquée : Seaborn, une bibliothèque Python pour la datavisualisation. Certes, Seaborn est bien moins connu que Matplotlib et d'ailleurs, on trouve fort peu d'informations sur son usage effectif, par exemple, on ignore s'il a été adopté par des entreprises majeures. Son propre créateur semble peu soucieux de promouvoir ces aspects liés à une potentielle popularité de Seaborn. En réalité, c'est depuis peu que l'on observe une montée de ...
[Courte citation de 8% de l'article original]