Tipos de datos y análisis de variables

Curso de Análisis Exploratorio de Datos

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

Tipos de datos y análisis de variables

Juan Pablo García Chávez

Estudiante

Tipos de datos y tipos de análisis

1.-4 Palabras clave

Categóricos
Numéricos
Univariado
Bivariado / multivariado

2.-4 Preguntas

¿Cómo se clasifican los datos en grandes categorías?
¿Cuál es la diferencia entre datos ordinales y nominales?
¿Qué diferencia hay entre datos discretos y continuos?
¿Qué analiza el enfoque univariado, bivariado y multivariado?

3.-Notas completas del tema

A) Dos grandes grupos de datos

Los datos se pueden dividir en:

Cualitativos o categóricos
Cuantitativos o numéricos

Esta clasificación ayuda a decidir qué tipo de análisis aplicar.

B) Datos categóricos

Se dividen en dos subtipos:

Nominales
- No tienen orden natural.
- Ejemplos:
  - género,
  - sabor,
  - textura,
  - categoría de película.
Ordinales
- Tienen un orden lógico o natural.
- Ejemplos:
  - nivel de estudios,
  - días de la semana,
  - categorías ordenadas.

C) Datos numéricos

Se dividen en:

Discretos
- Toman valores enteros o contables.
- Ejemplos:
  - número de amigos,
  - número de hijos,
  - cantidad de objetos.
Continuos
- Pueden tomar valores dentro de un rango.
- Ejemplos:
  - altura,
  - peso,
  - temperatura,
  - longitud,
  - volumen.

D) Una variable puede interpretarse de formas distintas

Dependiendo del contexto, un dato numérico puede analizarse como:

continuo,
o discretizado.

Ejemplo:

una calificación puede medirse con decimales,
o puede redondearse a enteros según la institución o el análisis.

E) Tipos de análisis

Univariado
- Analiza una sola variable.
- Sirve para entender su comportamiento individual.
Bivariado
- Analiza dos variables a la vez.
- Busca relaciones entre ellas.
Multivariado
- Analiza varias variables en conjunto.
- Permite estudiar interacciones más complejas.

F) Importancia del orden de análisis

Conviene empezar por lo univariado porque:

permite entender cada variable por separado,
da un primer insight,
facilita luego analizar relaciones más complejas.

4.-Código necesario

import pandas as pd
import numpy as np

# ==========================================================
# Dataset de ejemplo
# ==========================================================
df = pd.DataFrame({
    "genero": ["F", "M", "F", "F", "M"],
    "nivel_estudios": ["Licenciatura", "Preparatoria", "Posgrado", "Secundaria", "Licenciatura"],
    "edad": [21, 25, 30, 19, 28],
    "peso": [55.2, 70.5, 60.0, 48.3, 74.1],
    "amigos": [3, 5, 2, 4, 6]
})

print("== DataFrame ==")
print(df)

# ==========================================================
# Ejercicio 1/2: Clasificar variables
# ==========================================================
print("\n--- Ejercicio 1/2: tipos de variables ---")

categoricas = ["genero", "nivel_estudios"]
numericas = ["edad", "peso", "amigos"]

print("Categóricas:", categoricas)
print("Numéricas:", numericas)

# Subtipos
nominales = ["genero"]
ordinales = ["nivel_estudios"]
discretas = ["edad", "amigos"]
continuas = ["peso"]

print("Nominales:", nominales)
print("Ordinales:", ordinales)
print("Discretas:", discretas)
print("Continuas:", continuas)

# ==========================================================
# Ejercicio 2/2: Univariado, bivariado y multivariado
# ==========================================================
print("\n--- Ejercicio 2/2: tipos de análisis ---")

# Univariado
print("\nResumen univariado de variables numéricas:")
print(df[numericas].describe())

for col in categoricas:
    print(f"\nFrecuencias de {col}:")
    print(df[col].value_counts())

# Bivariado
print("\nRelación edad vs peso:")
print(df[["edad", "peso"]].corr())

print("\nPromedio de edad por género:")
print(df.groupby("genero")["edad"].mean())

# Multivariado
print("\nVista combinada simple:")
print(df.groupby(["genero", "nivel_estudios"])["peso"].mean())

4.- Mapa conceptual

Datos
 |
 +--> Cualitativos / Categóricos
 |       +--> Nominales
 |       +--> Ordinales
 |
 +--> Cuantitativos / Numéricos
         +--> Discretos
         +--> Continuos

Tipos de análisis
 |
 +--> Univariado
 +--> Bivariado
 +--> Multivariado

5.-Pequeño resumen

Los datos pueden clasificarse en categóricos y numéricos, y dentro de ellos en subtipos como nominales, ordinales, discretos y continuos. Según el objetivo, puedes aplicar análisis univariado, bivariado o multivariado. Empezar por una variable a la vez ayuda a comprender mejor el comportamiento individual antes de estudiar relaciones más complejas.

Tipos de datos y análisis de variables

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos