![\"\"](\"https:\/\/naps.com.mx\/blog\/wp-content\/uploads\/2020\/07\/MATPLOTLIB-PARA-QUE-SIRVE-CADA-GRAFICO.001.jpeg\")
<\/a>Mira los siguientes ejemplos en Matplotlib.<\/p><\/div>\n
\u00c9ste art\u00edculo tambi\u00e9n est\u00e1 disponible en VIDEO. M\u00edralo aqu\u00ed:\u00a0https:\/\/youtu.be\/Ykw4jOD_bYU<\/a><\/p>\n Para los siguientes ejemplos utilizaremos el siguiente archivo:\u00a0https:\/\/drive.google.com\/file\/d\/1Hzljeh0TAVM3g4b_KQJTCoxKm84Ij26_\/view?usp=sharing<\/a><\/p>\n Consiste en un CSV que contiene datos de un estudio realizado en la zona de Boston, donde se analizan diferentes variables, como son el \u00edndice de crimen, el n\u00famero de habitaciones, el porcentaje de habitantes de clase baje y el valor medio de las casas de esa zona.<\/p>\n Lo primero que vamos a hacer es importar las librer\u00edas necesarias, leer el archivo CSV y renombrar las columnas para una mejor comprensi\u00f3n.<\/p>\n Puedes consultar el siguiente enlace si deseas comprender mejor c\u00f3mo se trabaja con pandas en Python:<\/p>\n Pandas en Python: lo que debes saber para comenzar.<\/p>\n Un histograma es \u00fatil para ver la distribuci\u00f3n de una variable, es decir, nos permite ver los valores m\u00e1s comunes.<\/p>\n En el siguiente ejemplo deseamos ver la distribuci\u00f3n de la cantidad media de habitaciones en el estudio realizado.<\/p>\n Y nos devuelve:<\/p>\n Un gr\u00e1fico de \u00e9ste tipo nos permite ver f\u00e1cilmente que la mayor parte de las casas registradas cuentan con 6 o 7 habitaciones.<\/p>\n Otro ejemplo ser\u00eda si deseamos ver la distribuci\u00f3n del \u00edndice de crimen. Podemos utilizar bins para especificar la cantidad de grupos en los que deseamos distribuir los casos, y xlim para centrarnos en algunos grupos en espec\u00edfico.<\/p>\n <\/p>\n El gr\u00e1fico de dispersi\u00f3n o scatter, sirve para representar la relaci\u00f3n entre dos variables. Por ejemplo, si quisi\u00e9semos ver la relaci\u00f3n entre \u00edndice de crimen y el\u00a0valor mediano de las casas. En otras palabras, \u00bfel \u00edndice de crimen afecta el valor medio de las casas?<\/p>\n El gr\u00e1fico nos deja ver que a menor \u00edndice de crimen el valor mediano aumenta, por lo que pudi\u00e9semos concluir que ambos valores est\u00e1n correlacionados.<\/p>\n <\/p>\n Un gr\u00e1fico de barras es \u00fatil para comparar una variable entre distintos grupos o categor\u00edas. Por ejemplo, si quisi\u00e9ramos observar el valor medio de cada ciudad.<\/p>\n Tenemos el valor medio de zonas dentro de una ciudad, as\u00ed que la \u00fanica forma de obtener el dato de la media de toda la ciudad, ser\u00eda realizando una operaci\u00f3n de agrupaci\u00f3n. (Para m\u00e1s informaci\u00f3n sobre agrupaci\u00f3n en Pandas consulta:\u00a0Filtrado y uso de query con Pandas en Python).<\/p>\n El siguiente c\u00f3digo agrupa por ciudad, y toma la media del valor_mediano. Despu\u00e9s grafica las 10 primeras ciudades.<\/p>\n El agrupamiento realizado en Pandas y graficado con Matlplotlib, nos permite de forma r\u00e1pida y sencilla observar qu\u00e9 ciudades tienen el valor medio m\u00e1s alto para sus propiedades.<\/p>\n Los diagramas de cajas son \u00fatiles para representar grupos de datos y compararlos entre ellos. Otro uso importante es que nos permiten identificar de forma sencilla si una variable tiene muchos outliers<\/em>\u00a0(valores at\u00edpicos) esto es, elementos que se alejan de los valores frecuentes de dicha variable.<\/p>\n Por ejemplo, si deseamos ver los valores at\u00edpicos de \u00edndice de crimen\u00a0en los diferentes cuantiles de valor mediano.<\/p>\n Primero vamos a agrupar los datos de \u00abvalor_mediano\u00bb en 5 cuantiles. Con esa clasificaci\u00f3n vamos a realizar el gr\u00e1fico contemplando el \u00edndice de crimen por cada cuantil.<\/p>\nPasos iniciales<\/h2>\n
import pandas as pd\r\nimport matplotlib.pyplot as plt\r\n\r\ndatos = pd.read_csv(\"casasboston.csv\")\r\n#datos = datos[[\"RM\",\"CRIM\", \"MEDV\", \"TOWN\", \"CHAS\", \"INDUS\", \"LSTAT\"]]\r\ndf = datos[[\"RM\",\"CRIM\", \"MEDV\", \"TOWN\", \"CHAS\"]]\r\n\r\ndf = datos.rename(columns={\r\n\t\"TOWN\":\"CIUDAD\",\r\n\t\"CRIM\":\"INDICE_CRIMEN\",\t\r\n\t\"INDUS\":\"PCT_ZONA_INDUSTRIAL\",\r\n\t\"CHAS\":\"RIO_CHARLES\",\r\n\t\"RM\":\"N_HABITACIONES_MEDIO\",\r\n\t\"MEDV\":\"VALOR_MEDIANO\",\r\n\t\"LSTAT\":\"PCT_CLASE_BAJA\"\r\n})\r\n\r\nprint (df.sample(5))<\/pre>\nEjemplos en Matplotlib en Python y Pandas<\/h2>\n
Histogramas<\/h2>\n
df.N_HABITACIONES_MEDIO.plot.hist()\r\nplt.show()<\/pre>\n
<\/a><\/p>\ndf.INDICE_CRIMEN.plot.hist(bins=100, xlim=(0,20))\r\nplt.show()<\/pre>\n
<\/a><\/p>\nGr\u00e1fico de dispersi\u00f3n<\/h2>\n
df.plot.scatter(x=\"INDICE_CRIMEN\", y=\"VALOR_MEDIANO\", alpha=0.2)\r\nplt.show()<\/pre>\n
<\/a><\/p>\nGr\u00e1fico de barras<\/h2>\n
valor_por_ciudad = df.groupby(\"CIUDAD\")[\"VALOR_MEDIANO\"].mean()\r\nvalor_por_ciudad.head(10).plot.barh()\r\nplt.show()\r\n<\/pre>\n
<\/a><\/p>\nDiagrama de cajas<\/h2>\n
df[\"VALOR_CUANTILES\"] = pd.qcut(df.VALOR_MEDIANO, 5)\r\ndf.boxplot(column=\"INDICE_CRIMEN\", by=\"VALOR_CUANTILES\",\r\n\tfigsize=(8,6))\r\nplt.show()<\/pre>\n