Estableciendo relaciones: gráficos de violín y boxplots
Contenido del curso
Adolfo Sebastián Jara Gavilanes
Fernando Jesús Núñez Valdez
Juan R. Vergara M.
Jeinfferson Bernal G
Miguel Sánchez Guerrero
Juan R. Vergara M.
Francisco Moisés Herrera Alcala
FELIX DAVID CORDOVA GARCIA
Rodolfo Barillas
Jeinfferson Bernal G
Yonatan Efraín Jara Boza
Jeinfferson Bernal G
Pablo Alejandro Figueroa
Félix Alberto Uc Hernández
José Rodrigo Arana Hi
Bryan Carvajal
jose maria Vrgas Holguin
Carlos Mazzaroli
Andres Sanchez
José Salas Bolívar
Jhon Freddy Tavera Blandon
Alejandro Patron Montero
Jorge Lara
Francisco Javier Pecino Leon
Jorge Adonay Sánchez Ramírez
Francisco Javier Pecino Leon
Jhojany Jose Uzategui Araujo
Andrés Felipe Bustos Velásquez
Camilo Andrés Zapata Tapasco
Diego Rubén Rosas Bautista
Miguel Rojas Segura
Juan Felipe Hernandez Giraldo
Juan Felipe Hernandez Giraldo
Comparación entre las siguientes variables: Islan, and body_mass_g
Como se puede apreciar en el gráfico de scatterplot, muchos datos se sobrelapan en la isla: Dream entre las especies: Adelie y Chinstrap. Además, en las isla Biscoe se nota que la especie Gentoo es mucho más pesada en que la especie Adelie. Por último, en la isla Torgensen, solamente habitan pinguinos de la especie Adelie, aunque esta especie tiene presencia en todas las islas, mientras que Gentoo solamente tiene presencia en la isla Biscoe, y en cambio, Chinstrap tiene presencia solamente en la isla Dream.
Ahora en la gráfica de cajas y bigotes podemos observar que las especies Adelie, y Chinstrap pesan casi lo mismo en cualquier isla, mientras que la espeice Gentoo es la más pesada como se dijo anteriormente.
Por último, en la gráfica de violín y de scatter, podemos deducir que Chinstrap se acerca a una distribución normal, lo mismo con Adelie en las islas de Torgensen y Biscoe, pero en Dream se encuentra un poco hacia la izquierda.
Tenia la duda si los investigadores dedicaron un año a cada isla para tomar los datos, pero no, quizás había equipos en cada isla trabajando simultáneamente durante los 3 años (o hicieron visitas periódicas durante los 3 años a cada isla).
sns.swarmplot( data=process_penguins_df, x='island', y='body_mass_g', hue='year' )
Gracias por el aporte.
Código de los gráficos
sns.scatterplot( data=dataFrame, x='variable_categorica', y='variable_numerica', hue='variable categorica', #agrega un calor distinto por categoria palette=nombre_paleta )
sns.stripplot( data=dataFrame, x='variable_categorica', y='variable_numerica', palette=nombre_paleta )
ax = sns.boxplot( data=dataFrame, x='variable_categorica', y='variable_numerica', palette=nombre_paleta ) #grafico de puntos ax = sns.stripplot( data=dataFrame, x='variable_categorica', y='variable_numerica', color = 'black' )
ax = sns.violinplot( data=dataFrame, x='variable_categorica', y='variable_numerica', color='.8' ) #Grafico de puntos ax = sns.stripplot( data=dataFrame, x='variable_categorica', y='variable_numerica', palette=nombre_paleta )
sns.swarmplot( data=dataFrame, x='variable_categorica', y='variable_numerica', palette=nombre_paleta )
Island vs Body mass:
sns.swarmplot( data=processed_penguins_df, x='island', y='body_mass_g', hue='species', palette=penguin_color );
Like 👍
para mi es la mejor forma de visualizarlo
Gracias Felix, copiado tu código
Muy buena clase! Pero me surgió una duda. Al agregar puntos aleatorio para visualizar mejor la distribución no corro el riesgo de alterar el comportamiento de los datos? Agradezco quien pueda aclarar mi duda.
Hola compañero, entiendo que te refieres al uso del stripplot. En la documentación de la pág web dice esto: "Draw a categorical scatterplot using jitter to reduce overplotting."
O sea que no agrega/crea puntos aletoria o proporcionalmente sino que simplemente los desordena para que no esten tan uno encima de otro. Comparando graficamente stripplot y swarmplot me juego a que muestran la misma cantidad de puntos.
Entonces no alteran la cantidad de puntos sino solo los desordenan, al menos aquí que si tratamos con variables categoricas como la especie no habría ningún problema de malinterpretarlos.
Graficos de violin y boxplots
Cuando las variables son discretas los puntos se acumulan en linea vertical en un scatterplot lo que entrega poca informacion sobre la distribucion de los puntos.
Cuando analizas la relacion entre una variable numerica y una variable discreta conviene utilizar los graficos de boxplots. Para este caso, la variable discreta va representada en el eje de las x y las variable numerica en el eje de las y.
!
Gráfico y código
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 6)) sns.violinplot( data=dfnn, x='island', y='body_mass_g', ax=ax1 ) sns.swarmplot( data=dfnn, x='island', y='body_mass_g', hue='sex', palette=sex_colour, ax=ax1 ) ax1.set_title('Violin Plot and Swarm Plot') sns.boxplot( data=dfnn, x='island', y='body_mass_g', hue='sex', palette=sex_colour, ax=ax2 ) ax2.set_title('Box Plot') # Ajustar el diseño de la figura plt.tight_layout() plt.show()
Me gusto mucho tu resolución.
Noten que desde que utilizamos una variable categórica (o variable cualitativa) automáticamente debemos pensar en las gráficas que se utilizan para este tipo de variable:
Eligiendo entonces los plots vistos en clase para ver la relación con una variable cuantitativa.
Conclusion: los pinguinos hembra son menos pesados que los machos y ademas los Gentoo son la especie con mayor peso.
como lo pusiste con el sexo
Isla Biscoe:
Isla Dream:
Isla Torgersen:
La especie Adelie no tiene cambios significativos en su masa.
17. Estableciendo relaciones: gráficos de violín y boxplots
¿Qué pasa si tengo una variable discreta?
Se agrega un ruido aleatorio para visualizar mejor los datos
Según los resultados de la función que dejo aquí abajo, encuentro que la especie Adelie se encuentra en las 3 islas, la especie Gentoo solo en la isla Biscoe y la especie Chinstrap solo en la isla Dream.
Los gráficos me muestran que las especies adelie y chinstrap tienen una misma distribución de pesos, mientras que la especie gentoo pesa más que el resto, lo que hace la isla Biscoe se suba el promedio de pesos, ya que solo allí están los Gentoo.
def plot_penguins_weight(data): unique_islands = data['island'].unique() # Obtener las islas únicas fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 10)) # Gráfico 1: Swarmplot ax = sns.swarmplot(data=data, x='island', y='body_mass_g', hue='species', palette='Set1', ax=axes[0, 0]) ax.set_title('Swarmplot') # Gráfico 2: Violinplot ax = sns.violinplot(data=data, x='island', y='body_mass_g', color='.8', ax=axes[0, 1]) ax.set_title('Violinplot') # Gráfico 3: Stripplot ax = sns.stripplot(data=data, x='island', y='body_mass_g', palette='Set1', ax=axes[1, 0]) ax.set_title('Stripplot') # Gráfico 4: Boxplot ax = sns.boxplot(data=data, x='body_mass_g', y='island', palette='Set1', ax=axes[1, 1]) ax.set_title('Boxplot') # Ajustar los espacios entre los subgráficos plt.tight_layout() # Mostrar el gráfico combinado plt.show() # Utilizar la función para graficar por isla plot_penguins_weight(processed_penguins_df)
Excelente aporte
Esto probablemente muestra primero que, la especie que mas tiende a pesa son los Gentoo y que justo solo se encuentran en la isla "Biscoe" , lo que demuestra tambien que son la isla con mayor peso de forma general, ademas, los "Chinstrap" se ven de forma muy acumulada entre los 3000g y 4500g de mada corporal lo que demuestra que su media es mucha mas baja con respecto a las otras especies de hecho si vemos otra visualizacion mas general como un boxplot veremos claramente estas metricas de tendencia central así de forma mas general:
Vemos como esto corrobora aun mas nuestro analisis de que la especie que en promedio mas peso tiene son los gentoo y los mas acumulados dentro de una zona son los Chinstrap
me parece interesante esta combinación:
ax = sns.violinplot( data= processed_penguins_df, x="species", y='flipper_length_mm', color='0.8' ) ax = sns.swarmplot( data= processed_penguins_df, x="species", y='flipper_length_mm', palette=penguin_color )
el resultado:
!Salida
Habiendo puesto lo mismo (creo), no se porque me sale los puntos del stripplot en otro sitio.
sns.boxplot( data= processed_penguins_df, x='flipper_length_mm', y= 'species', hue='species', palette=penguin_color ) ax = sns.stripplot( data= processed_penguins_df, x='flipper_length_mm', y='species', color='.3' )
Alguien me puede decir el fallo?
Solo quita el hue de la primer grafica y aunque no marca algun error iguala el boxplot a ax
ax = sns.boxplot( data=processed_penguins_df, x='flipper_length_mm', y='species', palette=penguin_color )
Muchisimas gracias, realizo el cambio
Llegué a éste interesante gráfico para el desafío, el cual creo es bastante legible y entendible; Donde podemos observar la distribución del peso de los pingüinos en cada isla y como ésta se ve influenciada por las especies que se encuentran en cada isla según su densidad de población.
Gráfica:
ax = sns.violinplot( data=process_penguins_df, x='island', y='body_mass_g', color='.8' ) ax = sns.swarmplot( data=process_penguins_df, x='island', y='body_mass_g', hue='species', palette=penguin_color )
Use conocimientos previos para tratar de llegar a algunas conclusiones relacionadas con la localización de las diferentes especies y sus pesos.
Suponiendo que los datos no presentan sesgos en cuanto a la captura de estos mismos, podríamos decir que:
La distribución de las especies no es igual en todas las islas
Existen especies que únicamente habitan una sola isla de las que están presentes en los datos
La especie Adelie parece ser muy exitosa pues es la única que tiene presencia en las 3 islas consideradas
Nuestra especie de interés Adelie no presenta cambios significativos en su masa entre las diferentes islas, esto lo podemos apreciar porque en todas sus distribuciones son muy similares
En cuanto a la isla Biscoe, no solo podemos decir que es la isla mas habitada, si no que también posee a los pingüinos de mayor peso, los pertenecientes a la especie Gentoo, esto podria estar indicando una isla de mayor tamaño y/o un acceso a recursos mucho mayor
De todo esto me queda una pregunta, si las condiciones en la isla Biscoe son tan favorables como insinúa mi análisis, por que no hay presencia de la especie Chinstrap en esta?
Tengo una pregunta, con la IA en estos días que esta tan evolucionado no se puede desarrollar un código del mejor lenguaje que se adapte a la ciencia de datos y logre predecir los futuros movimientos del Trading, pero no del Bitcoin porque es imposible.... Pero si de los índices sintéticos de Deriv? o también es imposible??
yo opino que se es posible
Comparando con el boxplot y swarmplot, en este caso para mi el mejor grafico fue el scatterplot. Lo que encontramos es que los Gentoo son los pinguinos mas pesados, siendo los segundo los Chisntrap y por ultimo los Adelie. Ahora es muy interesante interpretar que los Gentoo solo habitan en una isla (Biscoe Island) y los Chisntraps solo es la isla Dream, mientras que los Adelie que son los menos pesados habitan en las 3 islas y se encuentran solos en la isla Torgensen.
