IA para visualización de datos y storytelling con Python

10. IA para visualización de datos y storytelling

• ChatGPT entiende mucho de contexto analítico, también generación de código y data storytelling
• Los modelos pueden tener alucinaciones y no son perfectos, pero es nuestro trabajo como analistas, decidir si lo que nos brinda los LLM es relevante para lo que queremos.

Prompts

• Cuál es la mejor gráfica para responder la pregunta ¿Cómo se distribuyen la venta entre las diferentes categorías y subcategorías de productos?, busco que sea un gráfico fácil de entender
• Dame el script de python para responder la pregunta inicial con un (tipo de gráfico) utilizando la siguiente estructura de un dataframe

La visualización de datos y el storytelling son aspectos cruciales para comunicar insights de manera efectiva. Con Python, puedes utilizar varias bibliotecas para crear visualizaciones impactantes y contar historias a partir de tus datos. A continuación, te muestro cómo hacerlo utilizando algunas de las bibliotecas más populares. \### Paso 1: Instalación de Bibliotecas Primero, asegúrate de tener instaladas las bibliotecas necesarias: ```bash pip install matplotlib seaborn plotly bokeh ``` \### Paso 2: Preparación de Datos Vamos a crear un DataFrame de ejemplo para demostrar cómo visualizar datos: ```python import pandas as pd \# Crear un DataFrame de ejemplo data = { 'Fecha': pd.date\_range(start='2023-01-01', periods=12, freq='M'), 'Ventas': \[200, 220, 250, 300, 280, 320, 350, 370, 400, 420, 430, 450], 'Costos': \[150, 180, 200, 220, 210, 230, 250, 270, 290, 300, 310, 320] } df = pd.DataFrame(data) ``` \### Paso 3: Visualización con `matplotlib` `matplotlib` es una biblioteca fundamental para la visualización en Python. Puedes usarla para crear gráficos básicos y personalizados. ```python import matplotlib.pyplot as plt \# Crear un gráfico de líneas plt.figure(figsize=(10, 6)) plt.plot(df\['Fecha'], df\['Ventas'], label='Ventas', marker='o') plt.plot(df\['Fecha'], df\['Costos'], label='Costos', marker='o', linestyle='--') plt.title('Ventas y Costos Mensuales') plt.xlabel('Fecha') plt.ylabel('Monto') plt.legend() plt.grid(True) plt.xticks(rotation=45) plt.tight\_layout() plt.show() ``` \### Paso 4: Visualización Avanzada con `seaborn` `seaborn` es una biblioteca basada en `matplotlib` que proporciona gráficos estadísticos más atractivos y fáciles de crear. ```python import seaborn as sns \# Crear un gráfico de líneas con seaborn plt.figure(figsize=(10, 6)) sns.lineplot(data=df, x='Fecha', y='Ventas', label='Ventas', marker='o') sns.lineplot(data=df, x='Fecha', y='Costos', label='Costos', marker='o', linestyle='--') plt.title('Ventas y Costos Mensuales') plt.xlabel('Fecha') plt.ylabel('Monto') plt.legend() plt.grid(True) plt.xticks(rotation=45) plt.tight\_layout() plt.show() ``` \### Paso 5: Interactividad con `plotly` `plotly` permite crear gráficos interactivos que son útiles para la exploración de datos. ```python import plotly.express as px \# Crear un gráfico de líneas interactivo fig = px.line(df, x='Fecha', y=\['Ventas', 'Costos'], labels={'value':'Monto', 'variable':'Categoría'}) fig.update\_layout(title='Ventas y Costos Mensuales', xaxis\_title='Fecha', yaxis\_title='Monto') fig.show() ``` \### Paso 6: Visualización Compleja con `bokeh` `bokeh` es ideal para crear aplicaciones web interactivas y gráficos detallados. ```python from bokeh.plotting import figure, show, output\_notebook from bokeh.models import ColumnDataSource output\_notebook() \# Crear una fuente de datos para bokeh source = ColumnDataSource(df) \# Crear un gráfico de líneas p = figure(width=800, height=400, x\_axis\_type='datetime', title='Ventas y Costos Mensuales') p.line('Fecha', 'Ventas', source=source, legend\_label='Ventas', line\_width=2, color='blue') p.line('Fecha', 'Costos', source=source, legend\_label='Costos', line\_width=2, color='red', line\_dash='dashed') p.legend.location = 'top\_left' p.xaxis.axis\_label = 'Fecha' p.yaxis.axis\_label = 'Monto' show(p) ``` \### Paso 7: Storytelling con Visualizaciones Para contar una historia con tus datos, sigue estos pasos: 1\. \*\*Define el Mensaje\*\*: Antes de crear visualizaciones, ten claro el mensaje que deseas comunicar. 2\. \*\*Selecciona las Visualizaciones Adecuadas\*\*: Usa gráficos que mejor representen tus datos y ayuden a contar tu historia. 3\. \*\*Incorpora Contexto\*\*: Añade anotaciones y descripciones para proporcionar contexto y facilitar la comprensión. 4\. \*\*Crea una Narrativa\*\*: Organiza tus visualizaciones en una secuencia lógica que guíe al lector a través de la historia. \### Ejemplo de Storytelling con Visualizaciones Puedes combinar varias visualizaciones en un solo documento o presentación para contar una historia completa: ```python import matplotlib.pyplot as plt \# Crear una figura con múltiples subgráficos fig, axs = plt.subplots(2, 1, figsize=(10, 12)) \# Gráfico de ventas axs\[0].plot(df\['Fecha'], df\['Ventas'], label='Ventas', color='blue', marker='o') axs\[0].set\_title('Ventas Mensuales') axs\[0].set\_xlabel('Fecha') axs\[0].set\_ylabel('Monto') axs\[0].legend() axs\[0].grid(True) axs\[0].tick\_params(axis='x', rotation=45) \# Gráfico de costos axs\[1].plot(df\['Fecha'], df\['Costos'], label='Costos', color='red', marker='o', linestyle='--') axs\[1].set\_title('Costos Mensuales') axs\[1].set\_xlabel('Fecha') axs\[1].set\_ylabel('Monto') axs\[1].legend() axs\[1].grid(True) axs\[1].tick\_params(axis='x', rotation=45) plt.tight\_layout() plt.show() ``` Este ejemplo muestra cómo usar `matplotlib` para crear múltiples gráficos en un solo documento, facilitando la comparación de diferentes aspectos de los datos. \### Conclusión La visualización de datos y el storytelling con Python te permiten comunicar insights de manera efectiva y atractiva. Utilizando bibliotecas como `matplotlib`, `seaborn`, `plotly`, y `bokeh`, puedes crear una amplia variedad de gráficos y visualizaciones interactivas. Si tienes más preguntas o necesitas ejemplos específicos, ¡déjame saber!

Alguien dijo curso de Datatelling

Increible como utiliza ámbas herramientas ChatGPt y Copilot para su trabajo

Posteriormente podemos usar el siguienr prompt: Dame el script en Python para responder a la pregunta con un diagrama \[Inserte aquí el diagrama que haya seleccionado] + Estrecutrua del dataframe.

Para el data storytelling, puedes utilizar el siguiente prompt: '¿Cuál es el mejor gráfico para responder a la siguiente pregunta: (inserta aquí la pregunta)? Busco que sea un gráfico fácil de comprender.'

Para el datatelling putes utilizar le siguiente promtp. Cual es la mejor grafíca para responder a la pregunta. (Inserte aquí la pregunta). Busco que sea una grafico facil de entender

Los ejercicios de las dos clases anteriores solo se pueden hacer con GPT 4

La visualización de datos es una herramienta fundamental para comunicar resultados o compartir información con diferentes miembros de la organización. En este contexto, la inteligencia artificial también nos brinda su apoyo.

PROMPT 1 A CHATGPT-3.5:

Hola, necesito que actúes como un experto en análisis de datos y que a partir de una hoja de Google Sheets que contiene el total de facturación por cada mes, me digas cuál es la mejor gráfica para responder la pregunta ¿Cómo se ha comportado a través de los meses la facturación? En la fila 5 se encuentran los nombres de los meses, comenzando el mes de enero en la columna B y terminando el mes de diciembre en la columna M. En la fila 55 se encuentran los valores totales de facturación por cada mes, por ejemplo, en la celda B55, se encuentra el total de facturación de enero, en la celda C55 el total de facturación de febrero, en la celda D55 el total de facturación de marzo y así sucesivamente hasta llegar al total de facturación de diciembre en la celda M55. Busco que sea un gráfico fácil de entender.

RESPUESTA DE CHAT GPT-3.5:

Para analizar cómo se ha comportado la facturación a lo largo de los meses, puedes utilizar un gráfico de líneas o un gráfico de barras. Ambos tipos de gráficos son efectivos para mostrar tendencias a lo largo del tiempo y son fáciles de entender. Aquí te explico cómo crear cada uno de ellos en Google Sheets:

Gráfico de Líneas:
Un gráfico de líneas es ideal para mostrar la evolución de la facturación a lo largo del año. Sigue estos pasos para crearlo:

1. Selecciona las celdas que contienen los nombres de los meses (desde B5 hasta M5) como las etiquetas del eje X.

2. Selecciona las celdas que contienen los valores de facturación (desde B55 hasta M55) como los datos que se graficarán.

3. Ve a la pestaña “Insertar” en Google Sheets.

4. Haz clic en “Gráfico” y selecciona “Gráfico de Líneas”.

5. Deberías ver un gráfico de líneas que muestra cómo ha cambiado la facturación a lo largo de los meses.

Gráfico de Barras:
Un gráfico de barras es otra opción efectiva para representar la facturación mensual. Sigue estos pasos para crearlo:

1. Selecciona las celdas que contienen los nombres de los meses (desde B5 hasta M5) como las etiquetas del eje X.

2. Selecciona las celdas que contienen los valores de facturación (desde B55 hasta M55) como los datos que se graficarán.

3. Ve a la pestaña “Insertar” en Google Sheets.

4. Haz clic en “Gráfico” y selecciona “Gráfico de Barras”.

5. Deberías ver un gráfico de barras que muestra cómo ha cambiado la facturación mes a mes.

Ambos tipos de gráficos te proporcionarán una representación visual clara de cómo se ha comportado la facturación a lo largo de los meses. Puedes elegir el que mejor se adapte a tus preferencias personales o a las de tu audiencia.