Visualización de Datos con Matplotlib: Gráficos de Barras y Pastel
Resumen
¿Cómo visualizar los datos de nuestras transacciones?
Visualizar datos no es solo una cuestión estética; es un pilar fundamental para entender y comunicar nuestras historias de datos de manera efectiva. En este contexto, utilizamos Matplotlib, una de las librerías más versátiles en Python, para realizar gráficos que representan nuestras transacciones. Nuestro enfoque principal es identificar las devoluciones y las transacciones efectivas en nuestra base de datos.
¿Cómo contamos las devoluciones y las transacciones sin devolución?
Comenzamos clasificando nuestras transacciones en aquellas con devoluciones y aquellas sin ellas. Utilizamos nuestro DataFrame para filtrar:
# Transacciones con devolucionestotal_devoluciones = df[df['cantidad']<0]print(total_devoluciones.shape[0])# Total de devoluciones: 8,872# Transacciones sin devolucionessin_devoluciones = df[df['cantidad']>=0]print(sin_devoluciones.shape[0])
Esto nos permite tener una visión clara sobre cuántas transacciones implicaron devoluciones versus cuántas no lo hicieron.
¿Cómo podemos crear un gráfico de pastel para visualizar devoluciones?
La visualización con gráficos de pastel nos ayuda a interpretar la proporción de transacciones con devoluciones frente a las que no. Así es como creamos este tipo de visualización:
Importar Matplotlib y preparar los datos:
import matplotlib.pyplot as plt
labels =['Devoluciones','No devoluciones']sizes =[total_devoluciones.shape[0], sin_devoluciones.shape[0]]colors =['coral','lightgreen']
Configurar y mostrar el gráfico de pastel:
plt.figure(figsize=(8,8))plt.pie(sizes, labels=labels, colors=colors, startangle=140, autopct='%1.1f%%')plt.title('Porcentaje de Transacciones con y sin Devolución')plt.show()
Este gráfico ilustra visualmente la relación entre devoluciones y transacciones exitosas, permitiéndonos identificar rápidamente tendencias o anomalías.
¿Cómo evaluar las ventas por mes y año?
Analizar las ventas por intervalos de tiempo puede ofrecer perspectivas únicas y detalladas sobre el comportamiento de compra. Al usar gráficos de barras, podemos deducir claramente cuál ha sido el comportamiento de las ventas a lo largo del tiempo.
¿Cómo creamos un gráfico de barras para las ventas?
El gráfico de barras es perfecto para visualizar cambios cuantitativos. Sigamos los pasos para implementarlo:
plt.figure(figsize=(12,6))monthly_sales.plot(kind='bar')plt.title('Distribución de Ventas por Mes y Año')plt.xlabel('Año, Mes')plt.ylabel('Ventas Totales')plt.show()
Esta estrategia nos permite identificar picos en las ventas y entender mejor el impacto estacional y mensual sobre el rendimiento de nuestras ventas.
¿Cuáles son los 10 productos más vendidos?
Finalmente, es esencial conocer cuáles productos se destacan en nuestro portafolio. Al crear un gráfico de barras horizontal del top de productos, conseguimos esta importante información.
¿Cómo agrupamos y visualizamos los productos más vendidos?
plt.figure(figsize=(12,8))top_products.plot(kind='barh', color='skyblue')plt.title('Top 10 Productos Más Vendidos')plt.xlabel('Cantidad Vendida')plt.ylabel('Producto')plt.gca().invert_yaxis()# Para que el producto más vendido aparezca arribaplt.show()
Este gráfico nos dota de valiosos insights sobre qué productos impulsan más ventas y permiten un mejor posicionamiento estratégico.
En conclusión, el dominio de herramientas y técnicas de visualización de datos como las vistas aquí son esenciales para cualquier profesional en ciencia de datos. No solo enriquecen nuestras presentaciones, sino que también nos proporcionan la información clave para tomar decisiones informadas. Recuerda seguir practicando con tus propios sets de datos para fortalecer tu conocimiento. ¡El análisis y la visualización de datos ofrecen nueva luz sobre el camino a seguir en cualquier negocio!
Yo elegí el data set "Student Study Performance" que lo encontré en Kaggle. Trata sobre: ¿Cómo el desempeño del estudiante se ve afectado por otras variables, como género, nivel de educación de los padres, almuerzo y curso de preparación para exámenes?. Me llevó su tiempo, pero aquí está:
🟢 Al infinito y más Matplotlib
Recuerda que el mundo de la graficación es muy variado. Inclusive con librerías como Seaborn que ofrecen mayor abstracción para resolver tus problemas de Análisis de Datos.
Algunos de los ejemplos que puedo recomendarte estudiar son:
Gráficas en 3D: útiles para relaciones de más de dos variables.
Mapas: para conocer la distribución de una variable según su geolocalización.
Matrices de calor: que muestran en qué lugares hay un valor más alto o más bajo para una variable. En el ejemplo a continuación, podrás ver una diagonal, esto sucede porque es una representación de la Matriz de Confusión, muy útil para evaluar modelos de Machine Learning.
Relieves: para conocer cómo está distribuida una zona según su altura.
Y muchos más… Así que, ¡nunca pares de aprender! 🚀🚀
excelente, deberían sacar otro curso aparte que nos permita profundizar.
Buen curso. Solo si pondría más atención en cositas que ya se dan por sentadas como ciertos métodos de las librerías, que no se explica del todo para que son.
Dejo uno de mis layouts sobre el análisis de ventas en una cafetería
Chatcito me ayudó a terminar de entender el código del merge:
¡Claro! Vamos a desglosar el código línea por línea para que entiendas bien qué hace cada paso.
Aquí se están agrupando los datos por StockCode y sumando la cantidad (Quantity) de cada producto. Luego, se ordenan en orden descendente (ascending=False) para obtener los productos más vendidos y se seleccionan los primeros 10 (head(10)).
El resultado de esta operación es una Serie de pandas, donde:
El índice es StockCode
El valor es la cantidad total vendida de cada producto
El problema es que después de la agrupación, StockCode es el índice, pero queremos que sea una columna normal.
El .reset_index() lo convierte en un DataFrame, moviendo StockCode de índice a columna y manteniendo Quantity.
Ahora tenemos los 10 productos más vendidos junto con su descripción.
Resumen
Este código obtiene los 10 productos más vendidos y luego les añade su descripción.
Los pasos son:
Agrupar por StockCode y sumar las cantidades vendidas.
Ordenar y tomar los 10 más vendidos.
Convertir la serie en un DataFrame con reset_index().
Hacer un merge con data_cleaned para obtener la descripción de los productos.
La importancia de la graficación de resultados en un proyecto de análisis de datos:
Facilita la comprensión: Los gráficos permiten visualizar patrones, tendencias y relaciones en los datos de manera clara y directa.
Comunicación efectiva: Transmiten hallazgos clave de forma rápida y accesible.
Identificación de patrones: Los gráficos ayudan a detectar correlaciones, anomalías y agrupamientos que podrían pasar desapercibidos en tablas.
Comparación de datos: Facilita la comparación entre diferentes variables, categorías o periodos de tiempo.
Detección de valores atípicos: Gráficos como Boxplot o Scatterplot son útiles para identificar datos anómalos.
Soporte visual para argumentación: El uso de gráficos refuerza las conclusiones del análisis con representaciones visuales, proporcionando evidencia solida a la hora de respaldar decisiones.
Espero este aporte les sea de utilidad 💜
Yo como set de datos elegí unos descargados de Metatraders5 con los que pude poner en practica lo visto
Para categorizar los valores numéricos de una columna tambien podemos usar .cut
comparto el codigo para el grafico de pastel por amountcategory
import matplotlib.pyplot as plt
import pandas as pd
import caso_practico_35 as cp
import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(1,2, width_ratios=[1,1])fig = plt.figure(figsize=(12,6))#datos del torta 1label =['Devoluciones','No devoluciones']values =[cp.total_returns, cp.total_non_returns]color=['lightcoral','lightgreen']explosion =(0,0)#Creación del torta 1totar1 = fig.add_subplot(gs[0,0])totar1.pie(values, labels=label, explode=explosion, colors=color, autopct='%1.1f%%', shadow=True, startangle=140, labeldistance=1.1, pctdistance=0.8)#para garantizar que sea un circulototar1.axis('equal')totar1.set_title('Ventas de 1')#Datos del torta 2label2 = cp.amount_categories.index
values2 = cp.amount_categories
torta2 = fig.add_subplot(gs[0,1])torta2.pie(values2, labels=label2,autopct='%1.1f%%')torta2.axis('equal')torta2.set_title('Ventas de 2')plt.tight_layout()plt.suptitle('Ventas de productos', y=1.05)plt.show()```
Companeros conocen plataformas donde se pueda aplicar a una vacante para begginers (semilleros) en datascience? les agradezco.
de este capitulo se deduce, que es importante limpiar los datos éticamente,
!Ejemplos en Matplotlib de 5 tipos de gráficos - Boxplot y scatter
MOdelo coworcountry o modelo coworculture con muchas actividades para pausas activas y acompañamiento de tu rol profesional Recuerda que Estamos enfocados en atender y brindar espacios para nomadas digitales, teletrabajo y coworking space en Agrolenials Paradise Ecohostel Country Inns contacto directo whatsapp +573206299333 y Faccebook
El método reset_index() en Pandas se usa para restablecer el índice de un DataFrame. Cuando lo aplicas, convierte el índice actual en una columna regular y crea un nuevo índice que comienza desde cero. Esto es útil cuando has realizado operaciones como el agrupamiento o la filtración que pueden haber alterado el índice original y necesitas un índice limpio para trabajar o para visualizaciones.
import matplotlib.pyplot as plt
labels =['Low','Medium','High']sizes =[data_cleaned['AmountCategory'].value_counts()['Low'], data_cleaned['AmountCategory'].value_counts()['Medium'], data_cleaned['AmountCategory'].value_counts()['High']]colors =['lightcoral','lightgreen','lightskyblue']plt.figure(figsize=(8,8))plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)plt.title('Distribución de Categorías de Monto de Transacción')plt.axis('equal')plt.show()```import matplotlib.pyplot as plt
labels = \['Low','Medium','High']sizes = \[data\_cleaned\['AmountCategory'].value\_counts()\['Low'], data\_cleaned\['AmountCategory'].value\_counts()\['Medium'], data\_cleaned\['AmountCategory'].value\_counts()\['High']]colors = \['lightcoral','lightgreen','lightskyblue']plt.figure(figsize=(8,8))plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)plt.title('Distribución de Categorías de Monto de Transacción')plt.axis('equal')plt.show()
excelente curso. muy detallado.
...
Gráfico de pastel adicional:
low_sales = df_clean[df_clean['AmountCategory']=='Low'].shape[0]medium_sales = df_clean[df_clean['AmountCategory']=='Medium'].shape[0]high_sales = df_clean[df_clean['AmountCategory']=='High'].shape[0]#Gráfico de total categorizado
labels =['Low','Medium','Hihg']sizes =[low_sales, medium_sales, high_sales]colors =['salmon','lightgreen','skyblue']plt.figure(figsize=(6,6))plt.pie(sizes, labels = labels, colors = colors, autopct ='%1.1f%%', startangle=140) #auopct añade los porcentajes al gráfico
plt.title('Distribución de ventas por monto')#plt.legend()plt.show()```
Excelente curso, ¡¡¡muchas gracias!! por compartir su conocimiento, ahora a colocar lo aprendido en practica.
La **graficación** y el **análisis de resultados** son componentes clave en cualquier proceso de análisis de datos. Utilizando bibliotecas como **Matplotlib** o **Seaborn**, puedes visualizar los patrones y tendencias en los datos, lo que facilita la interpretación de los resultados. Aquí te explico algunos tipos de gráficos comunes y cómo analizar los resultados visualmente.
### 1. **Gráficos de líneas (Line Plot)**
El gráfico de líneas es ideal para visualizar la evolución de una variable a lo largo del tiempo o en relación con otra variable.
#### Ejemplo: Graficar una serie temporal de precios
import matplotlib.pyplot as plt
import pandas as pd
\# Crear datos de ejemplo
data ={'Día': \[1,2,3,4,5],  'Precio': \[100, 102, 101, 105, 107]}df = pd.DataFrame(data)
\# Graficar
plt.plot(df\['Día'], df\['Precio'], marker='o')plt.title('Evolución del Precio')plt.xlabel('Día')plt.ylabel('Precio')plt.grid(True)plt.show()
#### Análisis:
- **Tendencia**: Puedes observar si los precios están aumentando, disminuyendo o fluctuando.
- **Patrones**: Si el gráfico muestra fluctuaciones recurrentes, podrías investigar ciclos o estacionalidad.
### 2. **Gráficos de dispersión (Scatter Plot)**
El gráfico de dispersión es útil para analizar la relación entre dos variables continuas.
#### Ejemplo: Relación entre edad y salario
\# Crear datos de ejemplo
data ={'Edad': \[25,30,35,40,45],  'Salario': \[2000, 2500, 3000, 3500, 4000]}df = pd.DataFrame(data)
\# Graficar
plt.scatter(df\['Edad'], df\['Salario'])plt.title('Relación entre Edad y Salario')plt.xlabel('Edad')plt.ylabel('Salario')plt.show()
#### Análisis:
- **Correlación**: Si observas que los puntos siguen una tendencia ascendente o descendente, esto sugiere una correlación positiva o negativa entre las variables.
- **Outliers**: Los puntos alejados del patrón general pueden indicar valores atípicos.
### 3. **Histogramas**
Un histograma muestra la distribución de una variable continua, útil para ver la forma de la distribución (simetría, sesgo, etc.).
#### Ejemplo: Distribución de la edad
\# Crear datos de ejemplo
edades = \[23,24,23,30,29,25,22,30,31,24,28]
\# Graficar
plt.hist(edades, bins=5, edgecolor='black')plt.title('Distribución de la Edad')plt.xlabel('Edad')plt.ylabel('Frecuencia')plt.show()
#### Análisis:
- **Sesgo**: Si los datos están sesgados a la derecha o izquierda, puede afectar cómo se interpretan los estadísticos como la media.
- **Distribución**: Ver si los datos son normales o siguen otra forma de distribución.
### 4. **Boxplots (Diagrama de Caja)**
Los **boxplots** son útiles para visualizar la dispersión de los datos, resúmenes estadísticos, y detectar outliers.
#### Ejemplo: Distribución de salarios
\# Crear datos de ejemplo
salarios = \[2000,2200,2100,2300,2800,3200,2500,3000,2700,2900]
\# Graficar
plt.boxplot(salarios, vert=False)plt.title('Distribución de Salarios')plt.xlabel('Salario')plt.show()
#### Análisis:
- **Rango intercuartílico**: El rango intercuartílico (entre el primer y tercer cuartil) muestra la dispersión central de los datos.
- **Outliers**: Los puntos fuera de los bigotes indican valores atípicos que podrían requerir atención especial.
### 5. **Gráficos de barras**
Los gráficos de barras son útiles para mostrar comparaciones entre diferentes categorías.
#### Ejemplo: Comparación de ventas en varias ciudades
\# Crear datos de ejemplo
ciudades = \['Ciudad A','Ciudad B','Ciudad C']ventas = \[1000,1500,800]
\# Graficar
plt.bar(ciudades, ventas, color=\['blue','green','red'])plt.title('Ventas por Ciudad')plt.xlabel('Ciudad')plt.ylabel('Ventas')plt.show()
#### Análisis:
- **Comparación**: Es fácil ver qué categoría (en este caso, ciudad) tiene el valor más alto o bajo.
- **Patrones**: Si las barras tienen un patrón claro, podría haber alguna relación subyacente que vale la pena investigar.
### 6. **Gráficos de pastel (Pie Chart)**
Los gráficos de pastel se utilizan para mostrar la proporción de categorías dentro de un total.
#### Ejemplo: Distribución de mercado por producto
\# Crear datos de ejemplo
productos = \['Producto A','Producto B','Producto C']participación = \[30,45,25]
\# Graficar
plt.pie(participación, labels=productos, autopct='%1.1f%%')plt.title('Participación de Mercado por Producto')plt.show()
#### Análisis:
- **Proporciones**: Se puede ver fácilmente qué categoría tiene la mayor o menor participación.
- **Balance**: Si el gráfico está equilibrado o dominado por una categoría, esto podría influir en decisiones de negocio.
### 7. **Subplots**
Puedes utilizar subplots para comparar múltiples gráficos en la misma figura.
#### Ejemplo: Gráfico de líneas y gráfico de barras en la misma figura
\# Crear datos de ejemplo
días= \[1,2,3,4,5]ventas = \[100,150,200,250,300]costos = \[90,120,180,220,260]
\# Crear subplots
fig, ax = plt.subplots(1,2, figsize=(10,5))
\# Gráfico de líneas
ax\[0].plot(días, ventas, marker='o', label='Ventas')ax\[0].plot(días, costos, marker='x', label='Costos')ax\[0].set\_title('Ventas y Costos')ax\[0].set\_xlabel('Día')ax\[0].set\_ylabel('Valor')ax\[0].legend()
\# Gráfico de barras
ax\[1].bar(días, ventas, color='green')ax\[1].set\_title('Ventas Diarias')ax\[1].set\_xlabel('Día')ax\[1].set\_ylabel('Ventas')plt.tight\_layout()plt.show()
### 8. **Análisis de resultados**
Una vez que hayas creado los gráficos, el análisis debe enfocarse en:
- **Identificar patrones**: Como tendencias crecientes, decrecientes o cíclicas.
- **Comparar variables**: Ver si existen relaciones entre diferentes variables.
- **Detectar outliers**: Valores extremos que podrían necesitar mayor investigación.
- **Interpretar la distribución**: Ver la forma de los datos para determinar si están sesgados o siguen una distribución normal.
### Conclusión
La visualización de datos con gráficos y el análisis de resultados son herramientas poderosas para entender los datos y comunicar hallazgos de manera clara y concisa. Con librerías como **Matplotlib** y **Seaborn**, puedes personalizar y analizar gráficamente cualquier conjunto de datos.
La graficación y el análisis de resultados son fundamentales para comunicar de manera efectiva los hallazgos derivados del análisis de datos. Una visualización clara y bien diseñada no solo facilita la interpretación, sino que también permite validar el análisis y hacer recomendaciones basadas en datos. Además, los gráficos pueden revelar patrones o insights que no serían evidentes a partir de tablas de datos o estadísticas resumidas, lo que los convierte en una herramienta indispensable para analistas, científicos de datos, y tomadores de decisiones.
