Графики в Python для аналитика: matplotlib и seaborn
50 задачPyodide в браузереС эталонными решениями2026 — с реальных собесов
Построение графиков — повседневная задача аналитика. На собесе спрашивают: «как визуализируешь распределение выручки», «какой график для cohort retention», «как показать корреляцию». В Python два главных инструмента: matplotlib (низкоуровневый, гибкий) и seaborn (поверх matplotlib, для статистических графиков). Здесь задачи на построение разных типов графиков — bar/line/scatter/heatmap/boxplot.
FAQ: частые вопросы про графики: matplotlib / seaborn
matplotlib или seaborn — что выбрать?
matplotlib для кастомизации (полный контроль над каждым пикселем). seaborn для статистических графиков «из коробки» (sns.histplot, sns.heatmap, sns.boxplot) с красивыми дефолтами. Senior аналитик знает оба.
Какой график для распределения метрики?
Гистограмма (sns.histplot) для одной метрики. KDE (kernel density) если данные непрерывные. Boxplot чтобы сравнить распределения в группах. Violin plot — boxplot + KDE одновременно.
Как показать cohort retention визуально?
Heatmap (sns.heatmap): по строкам — когорта (месяц регистрации), по столбцам — N-day retention, цвет — % удержания. Самый читаемый формат для бизнеса.
Какой график для корреляций?
Scatter plot для одной пары метрик (с regression line через sns.regplot). Heatmap корреляционной матрицы (sns.heatmap(df.corr())) для overview всех связей одновременно.
Plotly или matplotlib для дашбордов?
matplotlib — статичные PNG/PDF (отчёты, презентации). Plotly — интерактивные графики для веб-дашбордов (Dash, Streamlit). В Jupyter Notebook оба нормально работают.