Menggabungkan Seaborn dengan Matplotlib

Menggabungkan Seaborn dengan Matplotlib memberikan fleksibilitas ekstra dalam penyesuaian dan penataan visualisasi. Seaborn dibangun di atas Matplotlib, sehingga Kamu dapat menggabungkan fungsionalitas keduanya untuk mencapai hasil yang lebih kompleks dan kreatif.

A. Menggunakan Fungsi Matplotlib Bersamaan dengan Seaborn

#

Menggunakan fungsi-fungsi Matplotlib bersamaan dengan Seaborn memberikan fleksibilitas tambahan dalam menyesuaikan elemen-elemen plot. Kita dapat menambahkan judul, label sumbu, dan legenda secara langsung setelah menggunakan fungsi Seaborn. Ini memberikan kontrol yang lebih besar terhadap estetika dan presentasi visualisasi.

import seaborn as sns
import matplotlib.pyplot as plt

# Menggunakan dataframe iris_df dari materi pendahuluan
plt.figure(figsize=(10, 6))

# Plot Seaborn
sns.scatterplot(x="sepal length (cm)", y="sepal width (cm)", hue="species", data=iris_df)

# Menambahkan elemen-elemen Matplotlib
plt.title("Scatter Plot Sepal Length vs Sepal Width")
plt.xlabel("Sepal Length (cm)")
plt.ylabel("Sepal Width (cm)")
plt.legend(title="Species")
plt.show()

Hasilnya:

Penjelasan:

• Pertama, kita membuat figure menggunakan plt.figure() untuk menentukan ukuran plot.
• Kemudian, kita membuat scatter plot menggunakan Seaborn.
• Setelah itu, kita menggunakan fungsi Matplotlib untuk menambahkan judul, label sumbu, dan legenda.

B. Menggunakan Subplots dengan Seaborn dan Matplotlib

#

Pendekatan ini menggabungkan kekuatan Seaborn untuk membuat plot yang informatif dengan kemampuan Matplotlib untuk membuat subplot grid. Dengan menggunakan plt.subplots(), kita dapat membuat grid subplot dan mengisi setiap subplot dengan plot Seaborn yang sesuai. Ini sangat berguna untuk membandingkan beberapa aspek data secara bersamaan.

import seaborn as sns
import matplotlib.pyplot as plt

# Menggunakan dataframe iris_df dari materi pendahuluan
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))

# Plot Seaborn di setiap subplot
sns.scatterplot(x="sepal length (cm)", y="sepal width (cm)", hue="species", data=iris_df, ax=axes[0, 0])
sns.scatterplot(x="petal length (cm)", y="petal width (cm)", hue="species", data=iris_df, ax=axes[0, 1])
sns.histplot(x="sepal length (cm)", hue="species", data=iris_df, ax=axes[1, 0])
sns.histplot(x="petal length (cm)", hue="species", data=iris_df, ax=axes[1, 1])

# Menambahkan judul dan label
fig.suptitle("Subplots Seaborn dalam Matplotlib")
axes[0, 0].set_title("Sepal Length vs Sepal Width")
axes[0, 1].set_title("Petal Length vs Petal Width")
axes[1, 0].set_title("Distribution of Sepal Length")
axes[1, 1].set_title("Distribution of Petal Length")

plt.show()

Hasilnya:

Penjelasan:

• Kita membuat subplot grid menggunakan plt.subplots().
• Setiap subplot diisi dengan plot Seaborn menggunakan fungsi ax untuk menetapkan subplot yang sesuai.
• Kita menambahkan judul dan label untuk setiap subplot.

C. Kustomisasi dengan Matplotlib Setelah Menggunakan Seaborn

#

Setelah membuat plot menggunakan Seaborn, kita dapat memanfaatkan fungsi Matplotlib untuk penyesuaian tambahan. Ini mencakup penambahan elemen-elemen seperti judul, label sumbu, dan legenda dengan lebih banyak kontrol atas propertinya. Tambahan elemen-elemen seperti garis grid juga dapat meningkatkan kejelasan visualisasi secara keseluruhan.

import seaborn as sns
import matplotlib.pyplot as plt

# Menggunakan dataframe iris_df dari materi pendahuluan
plt.figure(figsize=(10, 6))

# Plot Seaborn
sns.scatterplot(x="sepal length (cm)", y="sepal width (cm)", hue="species", data=iris_df)

# Menambahkan elemen-elemen Matplotlib
plt.title("Scatter Plot Sepal Length vs Sepal Width", fontsize=16)
plt.xlabel("Sepal Length (cm)", fontsize=14)
plt.ylabel("Sepal Width (cm)", fontsize=14)
plt.legend(title="Species", fontsize=12)

# Menambahkan garis grid
plt.grid(True, linestyle="--", alpha=0.7)

plt.show()

Hasilnya:

Penjelasan:

• Setelah membuat scatter plot dengan Seaborn, kita menggunakan fungsi Matplotlib untuk menyesuaikan elemen-elemen plot.
• Menambahkan judul dan label sumbu dengan mengatur ukuran font.
• Menambahkan legenda dengan menetapkan ukuran font untuk legenda.
• Menambahkan garis grid untuk meningkatkan kejelasan visualisasi.

Dengan menggabungkan Seaborn dan Matplotlib, Kamu dapat mengontrol aspek-aspek yang lebih detail dan menyesuaikan visualisasi Kamu sesuai kebutuhan. Ini memberikan fleksibilitas yang lebih besar dalam membuat plot yang profesional dan informatif.