Introduction

Seaborn est une bibliothèque Python utilisée pour faire des visualisations de données (graphiques) de manière simple et esthétique.

Cette bibliothèque peut typiquement permettre d'analyser des données de santé, voici un exemple dans lequel l'on a demandé aux sondés lors des 30 derniers jours combien de jours ils estiment avoir été en mauvaise santé physiquement, et de même pour la santé mentale, avec en couleur si ils sont fumeurs ou non : 

Voici un autre exemple montrant le niveau de sucre selon l'indice de masse corporel, avec en couleur noir les personnes souffrant de diabète :

Seaborn peut s'utiliser avec différents types de données, que ce soit des listes python, des tableaux numpy ou des dataframes pandas, bien que le  dataframe de pandas soit à privilégier.

Il y a différents formats de tableaux de données :  

Wide-format : 

Le wide format est souvent plus naturel pour les humains, et certains algorithmes ou fonctions attendent ce format. Voici un exemple : 

Long-format : 

Le format classique est le long-format qui permet d'avoir des points de données avec beaucoup de variables différentes. Voici l'exemple précédent en long-format : 

Voici une description d'un tableau dans ce format : 

Il peut être intéressant de vérifier si des données sont manquantes, notamment si des algorithmes ne peuvent pas le supporter ou si ca risque de biaiser les résultats, ou le simple fait qu'avoir des données complètes facilite l'aggrégation de données par exemple. Voici le code permettant de le vérifier : 

data=sns.load_dataset("penguins")
print(data.isnull())#sur le tableau entier
print(data.isnull().any())#sur chaque colonne

Puis si l’on ne veut pas considérer les observations avec valeurs nulles pour une variable par exemple :

data.dropna(subset=["body_mass_g"])

Il faut cependant faire attention si l'on a un dataset plutôt petit, et si par exemple les données manquantes appartiennent toujours à la même variable cela peut introduire un biai. C'est au final à l'appréciation de l'utilisateur.

Différents datasets fournis par Seaborn seront utilisés. Voici les différents noms de colonne de ceux-ci et un exemple de valeur.

penguins.csv

tips.csv

iris.csv

healthexp.csv

glue.csv

diamonds.csv

Ce cours comprend des cellules de code modifiables et exécutables. La structure sera toujours la même dans chaque sous-section : Tout d'abord une cellule servant à importer les librairies nécessaires et récupérer les datasets que nous utiliserons, puis dans le reste de la sous-section des cellules de codes modifiables pour illustrer les différentes fonctions.