Exploración visual de los datos

Scatterplot o diagrama de dispersion, nos ayuda a entender como están relacionados dos variables con esto podemos identificar si existe alguna una correlación.

Esta plataforma https://www.data-to-viz.com/ también está genial para seleccionar visualizaciones. Además, vienen los códigos de Python y R necesarios para llevarlos a cabo.

Te dejo esta imagen para que te sea mas facil identificar cual es el grafico que tenes que usar

Boxplot de Año vs precio

Uno de mis favoritos para comparaciones, Heatmap o mapa de calor.

Acá comparamos precios de varios modelos de Ford en los últimos 10 años.

Acá el código:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import cm
import seaborn as sns

df = pd.read_csv('cars.csv')

# Mapa de calor con pivot (Ford)
ford = df[(df['manufacturer_name']=='Ford') & (df['year_produced']>2010)]
pivot_ford = ford.pivot_table(values='price_usd', index='model_name', columns='year_produced', aggfunc=np.sum)
plt.figure(figsize=(12, 8))
sns.heatmap(pivot_ford, cmap='hot')

Este curso necesita quizzes 😃

Mi diagrama de dispersión de año vs precio

Sencillamente espectacular esta clase ❤️.

Increíble https://datavizproject.com/, desde ahora una de las fuentes que utilizare para mis visualizaciones de datos.

⚠️Recordemos que una correlación no significa una relación de causalidad. Por ejemplo, en el siguiente gráfico, vemos cómo la tasa de divorcio en Maine se correlaciona con el consumo per cápita de margarina.

Hay correlación, pero no ninguna es causa de la otra.

Les recomiendo utilizar los argumentos height y aspect en sus graficos para que no salgan ilegibles.
Tambien pueden usar la funcion sns.relplot para generar gráficos separados por categorías. Les dejo un ejemplo:

sns.relplot(
    data=df, y="price_usd", x='year_produced',
    row="engine_type",
    kind="scatter"
)

Para un poco más de análisis exploratorio con seaborn, pueden ver Simplificando el análisis exploratorio de datos con python IV: Seaborn para analizar datos

Aqui les comparto un deepnote que encontré sobre las funciones de visualización que estamos revisando en clases

https://deepnote.com/@daniela-concha/AY2-Visualizacion-Big-Data-RsA33FmTSICKV5zl9rvJtw

Les recomiendo esta página https://www.python-graph-gallery.com/, tiene muchos ejemplos y cómo escribirlos en Python. Además existe una versión para aquellos que prefieran R. En lo personal me ha ayudado muchísimas veces.

Excelente clase, el curso que viene más adelante en la ruta de data Science asociado a Visualización de datos complementa bien lo visto en esta clase donde se indica en general cuando se utiliza una u otro tipo de los principales gráficos.

https://platzi.com/clases/visualizacion-datos/

Scatterplot para entender la correlación de las variables

Resumen de la clase:
La estadística descriptiva se divide en 2 bloques:
• El analítico: medidas de tendencia centrar y medidas de dispersión
• La gráfica: diagrama de caja, histograma.
La gráfica, el tipo de visualización, a usar depende de la situación a describir ( pastel para votación electoral, de dispersión para ver correlación, etc.)
La siguiente app web nos muestra los tipos de visualización y una explicación de ellos:
https://datavizproject.com/
.
Entre graficas comunes tenemos:

• Pastel o donut
• Barras apiladas
• Radiales
• De dispersión

.
Hasta ahora hemos realizado análisis univariado: analizar la media, la mediana, etc. De una columna de un conjunto de datos.
Hemos visto como se comporta una variable numérico respecto a una categórica .
Trabajaremos para observar como se comporta una variable numérica respecto a otra numera por lo cual usaremos las gráficas de dispersión que ayudan a visualizar la correlación.
Correlación es un concepto a usar con mucho cuidado.

Tomen el curso de Tableau aquí en Platzi para aprender mas sobre data visualization

https://www.python-graph-gallery.com/

Gracias, buen contenido