Visualización avanzada con Seaborn
Visualización avanzada con Seaborn
Matplotlib es potente pero verboso: para hacer un boxplot agrupado y coloreado por tratamiento necesitas varias líneas de configuración manual. Seaborn es una librería de visualización estadística construida encima de Matplotlib que se integra de forma nativa con pandas DataFrame. Con una sola línea puedes producir un gráfico con estimator, intervalo de confianza, leyenda y paleta — exactamente el tipo de gráfico que un biólogo necesita para un paper o un informe de laboratorio.
En este capítulo aprenderás a configurar el tema global, a elegir paletas adecuadas (cualitativas, secuenciales, divergentes), a generar todos los gráficos estadísticos típicos (scatter, box, violin, bar, point, hist, kde, pair, heatmap, joint), a usar FacetGrid y relplot para multiplicar paneles por categoría, y a combinar Seaborn con Matplotlib para el ajuste fino.
¿Qué es Seaborn y por qué usarlo sobre Matplotlib?
Seaborn (importado como sns) ofrece tres ventajas clave sobre Matplotlib puro en análisis biológico:
- Acepta DataFrames directamente: pasas
data=df, x="grupo", y="respuesta"y seaborn se encarga del resto. - Estadísticas integradas:
barplotcalcula la media y su intervalo de confianza,kdeplotestima la densidad,lmplotañade regresión por defecto. - Estética por defecto cuidada: paletas colorblind-friendly, cuadrículas, tipografía y leyendas consistentes sin que tengas que tocar nada.
El nombre seaborn no es un acrónimo. Es un homenaje a un personaje (Samuel Norman Seaborn) de la serie The West Wing. La convención import seaborn as sns viene de sus iniciales.
Instalación e importación
# Desde la terminal:
# pip install seaborn
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as npSeaborn >= 0.12 unifica la API en torno a un parámetro común (hue) y deprecia funciones antiguas como tsplot. Verifica tu versión con print(sns.__version__).
Configuración global: tema, contexto y estilo
# Tema global (afecta a todos los gráficos posteriores)
sns.set_theme(
context="notebook", # paper | notebook | talk | poster
style="whitegrid", # white | dark | whitegrid | darkgrid | ticks
palette="deep", # paleta por defecto
font="sans-serif",
font_scale=1.0
)- context: ajusta tamaño de fuente/grosor de línea.
paperpara figuras de paper,talk/posterpara presentaciones. - style: controla fondo y cuadrícula.
whitegriddestaca para leer datos;ticksañade ticks en los ejes, elegante en papers. - palette: paleta categórica por defecto.
Paletas de colores
Seaborn distingue tres familias de paletas:
# Cualitativas (categorías sin orden: especies, tratamientos)
sns.color_palette("Set2")
sns.color_palette("pastel")
sns.color_palette("deep")
# Secuenciales (magnitud creciente: expresión, temperatura)
sns.color_palette("Blues")
sns.color_palette("viridis") # colorblind-friendly
sns.color_palette("rocket")
# Divergentes (desviación respecto a un centro: correlación, log2FC)
sns.color_palette("coolwarm")
sns.color_palette("RdBu_r")
sns.color_palette("vlag")# Visualizar cualquier paleta
sns.palplot(sns.color_palette("Set2", n_colors=8))
plt.show()
# Crear paleta propia a partir de una lista de colores hex
mi_paleta = ["#264653", "#2a9d8f", "#e9c46a", "#f4a261", "#e76f51"]
sns.set_palette(mi_paleta)Para evitar rojo/verde (8% de varones con daltonismo) en resultados críticos, usa viridis, rocket o magma. Para categóricas, Set2 y deep están bien.
Tipos principales de gráficos
scatterplot — dispersión con variables categóricas
# Datos simulados: medidas de campo de 3 especies de iris-like
np.random.seed(0)
df = pd.DataFrame({
"largo_petalo": np.concatenate([
np.random.normal(1.4, 0.2, 50),
np.random.normal(4.5, 0.4, 50),
np.random.normal(5.5, 0.5, 50)
]),
"ancho_petalo": np.concatenate([
np.random.normal(0.2, 0.1, 50),
np.random.normal(1.3, 0.2, 50),
np.random.normal(2.1, 0.3, 50)
]),
"especie": ["E1"]*50 + ["E2"]*50 + ["E3"]*50
})
sns.scatterplot(data=df, x="largo_petalo", y="ancho_petalo",
hue="especie", style="especie", s=60, alpha=0.8)
plt.title("Morfometría de pétalos por especie")
plt.show()- hue: colorea por categoría.
- style: cambia el marcador por categoría.
- size: tamaño del marcador según una variable (numérica o categórica).
- alpha: transparencia, clave para datos solapados.
boxplot y violinplot — distribución por categoría
# Boxplot de absorbancia por tratamiento
trat = ["control"]*8 + ["bajo"]*8 + ["alto"]*8
absorb = np.concatenate([
np.random.normal(0.12, 0.02, 8),
np.random.normal(0.28, 0.04, 8),
np.random.normal(0.55, 0.06, 8)
])
df_abs = pd.DataFrame({"tratamiento": trat, "absorbancia": absorb})
sns.boxplot(data=df_abs, x="tratamiento", y="absorbancia",
palette="Set2")
sns.stripplot(data=df_abs, x="tratamiento", y="absorbancia",
color="black", size=3, alpha=0.6) # puntos individuales encima
plt.ylabel("Absorbancia (A595)")
plt.title("Absorbancia por tratamiento")
plt.show()# Violin plot de expresión génica por tejido
tejidos = ["cerebro"]*30 + ["higado"]*30 + ["musculo"]*30
expr = np.concatenate([
np.random.normal(7.5, 1.2, 30),
np.random.normal(3.0, 0.8, 30),
np.random.normal(11.0, 1.5, 30)
])
df_expr = pd.DataFrame({"tejido": tejidos, "expr_log2": expr})
sns.violinplot(data=df_expr, x="tejido", y="expr_log2",
inner="quartile", palette="muted", cut=0)
plt.ylabel("Expresión (log2 TPM)")
plt.title("Expresión génica por tejido")
plt.show()El boxplot muestra mediana, cuartiles y outliers; es compacto y estándar. El violinplot añade la densidad de la distribución, lo que revela bimodalidad que el boxplot oculta. Si tienes n>20 por grupo y quieres ver forma, usa violin.
barplot (con error bars) y pointplot
# Barplot de conteo promedio de individuos por sitio con IC 95%
sitios = ["S1"]*5 + ["S2"]*5 + ["S3"]*5 + ["S4"]*5
conteos = np.concatenate([
np.random.poisson(12, 5),
np.random.poisson(25, 5),
np.random.poisson(8, 5),
np.random.poisson(40, 5)
])
df_con = pd.DataFrame({"sitio": sitios, "conteo": conteos})
sns.barplot(data=df_con, x="sitio", y="conteo",
errorbar=("ci", 95), palette="Blues_d", edgecolor="black")
plt.ylabel("Conteo medio (IC 95%)")
plt.title("Abundancia por sitio de muestreo")
plt.show()# Pointplot: ideal para series temporales o interacción
sns.pointplot(data=df_con, x="sitio", y="conteo",
errorbar="se", markers="o", linestyles="-", color="firebrick")
plt.title("Tendencia de abundancia entre sitios")
plt.show()- errorbar:
"ci","se","pi"(percentil),"sd"oNone. - En seaborn moderno se reemplazó
ci=95porerrorbar=("ci", 95).
histplot y kdeplot
# Histograma + KDE
datos = np.random.normal(50, 10, 500)
sns.histplot(datos, kde=True, bins=20, color="#2a9d8f", edgecolor="white")
plt.xlabel("Peso (g)")
plt.title("Distribución de pesos corporales")
plt.show()
# KDE por grupo
sns.kdeplot(data=df_expr, x="expr_log2", hue="tejido", fill=True, alpha=0.3)
plt.title("Densidad de expresión por tejido")
plt.show()pairplot — matriz de dispersión
# Datos morfométricos de 3 especies (estilo Iris)
df_morfo = pd.DataFrame({
"largo_sepalo": np.concatenate([np.random.normal(5.0,0.3,40),
np.random.normal(5.9,0.4,40),
np.random.normal(6.6,0.5,40)]),
"ancho_sepalo": np.concatenate([np.random.normal(3.4,0.3,40),
np.random.normal(2.8,0.3,40),
np.random.normal(3.0,0.3,40)]),
"largo_petalo": np.concatenate([np.random.normal(1.5,0.2,40),
np.random.normal(4.3,0.5,40),
np.random.normal(5.6,0.6,40)]),
"ancho_petalo": np.concatenate([np.random.normal(0.2,0.1,40),
np.random.normal(1.4,0.3,40),
np.random.normal(2.1,0.4,40)]),
"especie": ["setosa"]*40 + ["versicolor"]*40 + ["virginica"]*40
})
sns.pairplot(df_morfo, hue="especie", palette="Set1",
diag_kind="kde", markers=["o","s","D"], height=2.2)
plt.suptitle("Matriz de dispersión morfométrica", y=1.02)
plt.show()pairplot crea scatter dos a dos para todas las variables numéricas, y en la diagonal un histograma o KDE. Es la forma más rápida de explorar estructura en datos multivariados biológicos.
heatmap — matrices
# Matriz de expresión: 8 genes x 6 muestras
np.random.seed(7)
genes = [f"GENE{i}" for i in range(1, 9)]
muestras = ["Ctrl_1","Ctrl_2","Trat_1","Trat_2","Trat_3","Trat_4"]
matriz = np.random.normal(0, 1, (8, 6))
matriz[:, 2:] += np.random.normal(2, 0.5, (8, 4)) # tratamiento up-regulado
sns.heatmap(matriz, annot=True, fmt=".1f", cmap="vlag",
xticklabels=muestras, yticklabels=genes,
linewidths=0.5, linecolor="white",
cbar_kws={"label": "log2 FC"})
plt.title("Matriz de expresión génica")
plt.show()# Heatmap de correlación entre variables fisiológicas
df_fisio = pd.DataFrame({
"temperatura": np.random.normal(36.8, 0.4, 100),
"frecuencia_cardiaca": np.random.normal(72, 8, 100),
"presion_sistolica": np.random.normal(120, 10, 100),
"glucosa": np.random.normal(95, 12, 100),
"colesterol": np.random.normal(180, 25, 100)
})
df_fisio["frecuencia_cardiaca"] += (df_fisio["temperatura"]-36.8)*10 # correlación
corr = df_fisio.corr()
sns.heatmap(corr, annot=True, cmap="coolwarm", center=0,
vmin=-1, vmax=1, square=True,
linewidths=0.5, fmt=".2f")
plt.title("Correlación entre variables fisiológicas")
plt.show()jointplot — dispersión + distribuciones marginales
# Largo vs peso de peces
df_peces = pd.DataFrame({
"longitud_cm": np.random.normal(20, 4, 200),
"peso_g": np.random.normal(120, 35, 200)
})
df_peces["peso_g"] += (df_peces["longitud_cm"]-20)*8 # relación biológica
sns.jointplot(data=df_peces, x="longitud_cm", y="peso_g",
kind="reg", color="#e76f51", height=5)
plt.suptitle("Longitud vs peso en peces", y=1.02)
plt.show()kind puede ser "scatter", "hist", "kde", "reg" (regresión), "resid".
FacetGrid y relplot — multiplicar paneles por categoría
Para dividir una figura en paneles según una variable categórica:
# relplot: figura nivel superior, crea múltiples axes
df_multi = pd.DataFrame({
"tiempo": np.tile(np.arange(0, 24, 2), 12),
"crecimiento": np.random.normal(0.2, 0.05, 144).cumsum() + np.repeat(
np.random.normal(0,1,12), each=12)[:144],
"tratamiento": np.repeat(["control","nutriente","hormona","mixto"], 36),
"genotipo": np.tile(np.repeat(["WT","mut"], 12), 6)
})
sns.relplot(data=df_multi, x="tiempo", y="crecimiento",
kind="line", col="tratamiento", row="genotipo",
height=2.5, aspect=1.3, marker="o", errorbar="se")
plt.show()# FacetGrid manual: más flexible para otros tipos
g = sns.FacetGrid(df_morfo, col="especie", hue="especie", height=3)
g.map_dataframe(sns.histplot, x="largo_petalo", kde=True, color="steelblue")
g.set_titles("Especie: {col_name}")
g.set_axis_labels("Largo de pétalo (cm)", "Frecuencia")
plt.show()Funciones como relplot, displot, catplot, pairplot, jointplot son figure-level: devuelven un objeto FacetGrid/JointGrid que gestiona su propia figura. Funciones como scatterplot, boxplot, kdeplot son axes-level: devuelven un Axes de Matplotlib y se pueden incrustar en cualquier fig, ax que ya existas.
Personalización fina
fig, ax = plt.subplots(figsize=(6, 4))
sns.boxplot(data=df_abs, x="tratamiento", y="absorbancia",
palette="Set2", ax=ax)
ax.set_xlabel("Tratamiento", fontsize=11)
ax.set_ylabel("Absorbancia $A_{595}$", fontsize=11)
ax.set_title("Absorbancia tras 24 h", fontsize=13, fontweight="bold")
ax.set_ylim(0, 0.8)
# Mover leyenda si la hubiera
# handles, labels = ax.get_legend_handles_labels()
# ax.legend(handles, labels, title="Grupo", loc="upper left", frameon=False)
# Quitar bordes superior y derecho (estilo "despine")
sns.despine(ax=ax)
plt.tight_layout()
plt.show()Integración con Matplotlib
# Combinar dos plots de seaborn en una sola figura
fig, axes = plt.subplots(1, 2, figsize=(10, 4), sharey=True)
sns.boxplot(data=df_abs, x="tratamiento", y="absorbancia",
palette="Set2", ax=axes[0])
axes[0].set_title("Boxplot")
sns.violinplot(data=df_abs, x="tratamiento", y="absorbancia",
palette="Set2", inner="quartile", ax=axes[1])
axes[1].set_title("Violinplot")
for ax in axes:
sns.despine(ax=ax)
plt.tight_layout()
plt.show()Guardar figuras
# Guardar en alta resolución
plt.figure(figsize=(6,4))
sns.scatterplot(data=df, x="largo_petalo", y="ancho_petalo", hue="especie")
plt.title("Dispersión morfométrica")
plt.savefig("dispersion.png", dpi=300, bbox_inches="tight")
plt.savefig("dispersion.pdf", bbox_inches="tight") # vectorial para paper
plt.savefig("dispersion.svg", bbox_inches="tight") # editable en Inkscape/Illustrator
plt.show()La mayoría de revistas piden 300 dpi mínimo. Para figuras de tamaño variable, PDF/SVG (vectorial) es mejor: no pierde resolución al hacer zoom ni al redimensionar.
Ejemplos biológicos adicionales
Barplot con barra de error de conteos por sitio
# Conteos de avistamientos de aves por sitio (5 réplicas por sitio)
np.random.seed(11)
sitios = ["A"]*5 + ["B"]*5 + ["C"]*5 + ["D"]*5
conteos = np.concatenate([
np.random.poisson(8, 5),
np.random.poisson(15, 5),
np.random.poisson(22, 5),
np.random.poisson(30, 5)
])
df_av = pd.DataFrame({"sitio": sitios, "conteo": conteos})
plt.figure(figsize=(6,4))
sns.barplot(data=df_av, x="sitio", y="conteo",
errorbar="sd", capsize=0.1, palette="Greens_d",
edgecolor="black")
sns.stripplot(data=df_av, x="sitio", y="conteo",
color="black", alpha=0.5, size=4)
plt.ylabel("Conteo medio ± DE")
plt.xlabel("Sitio de muestreo")
plt.title("Abundancia de aves por sitio (n=5 réplicas)")
plt.tight_layout()
plt.show()El parámetro capsize añade las barbaritas (caps) en los extremos de las barras de error. Combinado con stripplot encima, da el estándar moderno de publicaciones.
Scatter con hue = especie de datos de campo
# Datos de campo: tres especies de planta, largo y ancho de hoja
np.random.seed(3)
df_campo = pd.DataFrame({
"largo_hoja": np.concatenate([
np.random.normal(8, 1.2, 60),
np.random.normal(12, 1.5, 60),
np.random.normal(18, 2.0, 60)
]),
"ancho_hoja": np.concatenate([
np.random.normal(3, 0.5, 60),
np.random.normal(5, 0.8, 60),
np.random.normal(7, 1.0, 60)
]),
"especie": ["Quercus_ilex"]*60 + ["Quercus_robur"]*60 + ["Quercus_pubescens"]*60,
"humedad": np.random.uniform(30, 90, 180) # variable continua para size
})
sns.scatterplot(data=df_campo, x="largo_hoja", y="ancho_hoja",
hue="especie", style="especie",
size="humedad", sizes=(20, 120), alpha=0.7,
palette="Dark2")
plt.xlabel("Largo de hoja (cm)")
plt.ylabel("Ancho de hoja (cm)")
plt.title("Morfometría foliar por especie (tamaño ∝ humedad)")
plt.legend(bbox_to_anchor=(1.02, 1), loc="upper left", borderaxespad=0)
plt.tight_layout()
plt.show()Aquí se combinan tres dimensiones en un solo scatter: eje x, eje y, color (hue) y tamaño (size) para una variable continua. La leyenda se mueve fuera del gráfico con bbox_to_anchor.
Ejercicios
Ejercicio 1
Crea un DataFrame con columnas "grupo" (tres niveles: control, tratamiento_A, tratamiento_B) y "respuesta" (numérica) con al menos 30 filas simuladas. Realiza un boxplot de respuesta por grupo con Seaborn, añadiendo los puntos individuales encima.
Ejercicio 2
Crea una matriz 10×10 de correlaciones simuladas entre variables fisiológicas y grafícala como heatmap con annot=True y cmap="coolwarm".
Ejercicio 3
Crea un DataFrame con 4 variables numéricas (largo, ancho, peso, edad) y una columna especie con 3 especies. Realiza un pairplot coloreado por especie.
Soluciones
Solución 1
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
np.random.seed(42)
# 30 filas totales: 10 por grupo
df = pd.DataFrame({
"grupo": ["control"]*10 + ["tratamiento_A"]*10 + ["tratamiento_B"]*10,
"respuesta": np.concatenate([
np.random.normal(10, 2, 10), # control
np.random.normal(14, 2, 10), # tratamiento_A
np.random.normal(18, 2.5, 10) # tratamiento_B
])
})
sns.set_theme(style="whitegrid", context="notebook")
sns.boxplot(data=df, x="grupo", y="respuesta", palette="Set2")
# Puntos individuales (jitter) encima del boxplot
sns.stripplot(data=df, x="grupo", y="respuesta",
color="black", alpha=0.6, size=4, jitter=True)
plt.ylabel("Respuesta (u.a.)")
plt.xlabel("Grupo experimental")
plt.title("Respuesta por tratamiento (n=10 por grupo)")
sns.despine()
plt.tight_layout()
plt.show()Comentario: la combinación boxplot + stripplot es un estándar moderno en publicaciones porque muestra tanto resumen (cuartiles) como datos individuales.
Solución 2
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
np.random.seed(0)
# Variables fisiológicas simuladas
variables = ["temp","FC","pSis","pDia","glucosa",
"colesterol","LDL","HDL","trigliceridos","creatinina"]
n = 80
datos = np.random.normal(0, 1, (n, 10))
# Forzamos algunas correlaciones realistas
datos[:, 2] += 0.6*datos[:, 1] # presión sistólica ↔ FC
datos[:, 6] += 0.8*datos[:, 5] # LDL ↔ colesterol
datos[:, 7] -= 0.5*datos[:, 5] # HDL ↔ colesterol (negativa)
datos[:, 8] += 0.4*datos[:, 4] # triglicéridos ↔ glucosa
df = pd.DataFrame(datos, columns=variables)
corr = df.corr()
plt.figure(figsize=(9, 7))
sns.heatmap(corr, annot=True, fmt=".2f", cmap="coolwarm",
center=0, vmin=-1, vmax=1, square=True,
linewidths=0.5, linecolor="white",
cbar_kws={"label": "Correlación de Pearson"})
plt.title("Heatmap de correlación (10 variables fisiológicas)")
plt.tight_layout()
plt.show()Comentario: center=0 con vmin=-1, vmax=1 y cmap="coolwarm" produce el esquema clásico azul–blanco–rojo para correlaciones. El parámetro square=True mantiene celdas iguales.
Solución 3
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
np.random.seed(7)
n = 40
df = pd.DataFrame({
"largo": np.concatenate([np.random.normal(12,1.2,n),
np.random.normal(18,1.6,n),
np.random.normal(25,2.0,n)]),
"ancho": np.concatenate([np.random.normal(5,0.6,n),
np.random.normal(7,0.8,n),
np.random.normal(10,1.0,n)]),
"peso": np.concatenate([np.random.normal(20,3,n),
np.random.normal(55,6,n),
np.random.normal(120,12,n)]),
"edad": np.concatenate([np.random.normal(1.5,0.3,n),
np.random.normal(3.0,0.5,n),
np.random.normal(5.5,0.8,n)]),
"especie": ["sp_A"]*n + ["sp_B"]*n + ["sp_C"]*n
})
sns.set_theme(style="ticks", context="notebook")
g = sns.pairplot(df, hue="especie", palette="Set1",
diag_kind="kde", markers=["o","s","D"],
height=2.3, plot_kws={"alpha":0.7, "s":25})
g.fig.suptitle("Matriz de dispersión morfométrica por especie",
y=1.02, fontsize=13)
plt.show()Comentario: diag_kind="kde" suaviza la diagonal. plot_kws={"alpha":0.7} reduce solapamientos. El pairplot revela de inmediato qué variables separan mejor las especies (en este caso, todas).
En el siguiente capítulo abordaremos SciPy para poner a estas visualizaciones un respaldo estadístico riguroso: tests de hipótesis, regresión y correlaciones con p-values interpretables.
