| species | island | bill_length_mm | bill_depth_mm | flipper_length_mm | body_mass_g | sex | |
|---|---|---|---|---|---|---|---|
| 0 | Adelie | Torgersen | 39.1 | 18.7 | 181.0 | 3750.0 | Male |
| 1 | Adelie | Torgersen | 39.5 | 17.4 | 186.0 | 3800.0 | Female |
| 2 | Adelie | Torgersen | 40.3 | 18.0 | 195.0 | 3250.0 | Female |
| 4 | Adelie | Torgersen | 36.7 | 19.3 | 193.0 | 3450.0 | Female |
| 5 | Adelie | Torgersen | 39.3 | 20.6 | 190.0 | 3650.0 | Male |
De los Números a la Narrativa
2024-11-15
🤔 ¿Alguna vez has sentido que los datos que analizas no comunican todo su potencial?
🤔 ¿Qué es la Visualización de Datos?
La visualización de datos transforma información en gráficos para facilitar su comprensión.
Cuarteto de ANSCOMBE
📋 Tablas vs 📊 Gráficos
Teoría de visualización
4 Pilares Visualización - Noah Iliinsky
- Propósito: Define la meta.
- Contenido: Datos relevantes.
- Estructura: Organización clara.
- Formato: Gráfico adecuado.
Herramientas de Visualización en Python
Exploración de Datos
¡Demasiadas opciones!
El usuario no puede ser responsable de encontrar lo valioso.
Tipos de Gráficos Esenciales
(C) Essential chart types for data visualization, por Atlassian.
- Matplotlib es una biblioteca para crear gráficos estáticos.
- Tipos de gráficos más comunes:
- Líneas, Barras, Dispersión, Histograma.
- Seaborn extiende Matplotlib con gráficos más estilizados.
- Especialmente útil para:
- Gráficos estadísticos.
- Análisis exploratorio de datos.
📊 Ejemplo: dispersión
import seaborn as sns
import matplotlib.pyplot as plt
# Crear un gráfico de dispersión con seaborn
plt.figure(figsize=(6, 3))
sns.scatterplot(x='bill_length_mm', y='bill_depth_mm', data=penguins,
color='salmon')
# Mostrar el gráfico
plt.show()
📊 Ejemplo: dispersión
import seaborn as sns
import matplotlib.pyplot as plt
# Crear un gráfico de dispersión con seaborn
plt.figure(figsize=(6, 3))
sns.scatterplot(x='flipper_length_mm', y='body_mass_g', data=penguins,
color='salmon', hue= "sex")
# Mostrar el gráfico
plt.show()
📊 Matplotlib vs Seaborn
import matplotlib.pyplot as plt
# Contar la cantidad de Pingüinos por tipo
penguins_type = penguins["species"].value_counts()
# Crear un gráfico de barras
plt.figure(figsize=(6, 3))
penguins_type.plot(kind="bar", color="salmon")
# Mostrar gráfico
plt.show()
📊 Matplotlib vs Seaborn
import seaborn as sns
import matplotlib.pyplot as plt
# Crear el gráfico de barras con seaborn
plt.figure(figsize=(6, 3))
sns.countplot(data=penguins, x="species", color="salmon")
# Mostrar el gráfico
plt.show()
Ejemplo de Streamlit
