Introducción a visualización de datos

Transcript

1. Introducción a la visualización de datos en Python Juan Sebastián Vega Patiño
2. seaborn • Basada en matplotlib • Alto nivel • Varios temas para estilizar gráficas • Distribuciones, regresiones, matrices, series de tiempo,…
3. Distribución de un dataset
4. TIPS dataset total_bill tip sex smoker day time size 0 16.99 1.01 Female No Sun Dinner 2 1 10.34 1.66 Male No Sun Dinner 3 2 21.01 3.50 Male No Sun Dinner 3 3 23.68 3.31 Male No Sun Dinner 2 4 24.59 3.61 Female No Sun Dinner 4 5 25.29 4.71 Male No Sun Dinner 4 6 8.77 2.00 Male No Sun Dinner 2 7 26.88 3.12 Male No Sun Dinner 4 8 15.04 1.96 Male No Sun Dinner 2 9 14.78 3.23 Male No Sun Dinner 2 tips = sns.load_dataset('tips')
5. Distribuciones univariadas Histogramas + KDE sns.distplot(tips['total_bill'])
6. Distribuciones univariadas Histogramas + rugplot sns.distplot(tips['total_bill'], kde=False, rug=True)
7. Distribuciones bivariadas Scatterplot sns.jointplot(x='total_bill', y='tip', data=tips)
8. Distribuciones bivariadas Hexbin plot sns.jointplot(x='total_bill', y='tip', data=tips, kind='hex')
9. Distribuciones bivariadas KDE sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde')
10. Variables categóricas
11. Var. cuantitativa vs. categórica Scatterplot sns.stripplot(x='day', y='total_bill', data=tips)
12. Var. cuantitativa vs. categórica Scatterplot sns.stripplot(x='day', y='total_bill', data=tips, jitter=True)
13. Var. cuantitativa vs. categórica Scatterplot sns.swarmplot(x='day', y='total_bill', data=tips)
14. Var. cuantitativa vs. categórica + tercera variable categórica Scatterplot sns.swarmplot(x='day', y='total_bill', hue='sex', data=tips)
15. Titanic dataset survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone 0 0 3 male 22.0 1 0 7.2500 S Third man TRUE NaN Southampton no FALSE 1 1 1 female 38.0 1 0 71.2833 C First woman FALSE C Cherbourg yes FALSE 2 1 3 female 26.0 0 0 7.9250 S Third woman FALSE NaN Southampton yes TRUE 3 1 1 female 35.0 1 0 53.1000 S First woman FALSE C Southampton yes FALSE 4 0 3 male 35.0 0 0 8.0500 S Third man TRUE NaN Southampton no TRUE 5 0 3 male NaN 0 0 8.4583 Q Third man TRUE NaN Queenstown no TRUE 6 0 1 male 54.0 0 0 51.8625 S First man TRUE E Southampton no TRUE 7 0 3 male 2.0 3 1 21.0750 S Third child FALSE NaN Southampton no FALSE 8 1 3 female 27.0 0 2 11.1333 S Third woman FALSE NaN Southampton yes FALSE 9 1 2 female 14.0 1 0 30.0708 C Second child FALSE NaN Cherbourg yes FALSE titanic = sns.load_dataset('titanic')
16. Estimaciones por categorías Bar plot sns.barplot(x='sex', y='survived', hue='class', data=titanic)
17. Estimaciones por categorías Número de observaciones sns.countplot(x='embark_town', data=titanic)
18. Estimaciones por categorías Point plot sns.pointplot(x='class', y='survived', hue='sex', data=titanic)
19. Relaciones lineales
20. Regresión lineal Variable continua sns.lmplot(x='total_bill', y='tip', data=tips)
21. Regresión lineal Variable discreta sns.lmplot(x='size', y='tip', data=tips)
22. Regresión lineal Variable discreta sns.lmplot(x='size', y='tip', data=tips, x_jitter=0.1)
23. Regresión lineal Variable discreta sns.lmplot(x='size', y='tip', data=tips, x_estimator=np.mean)
24. Cuarteto de Anscombe dataset x y 0 I 10.0 8.04 1 I 8.0 6.95 2 I 13.0 7.58 3 I 9.0 8.81 4 I 11.0 8.33 5 I 14.0 9.96 6 I 6.0 7.24 7 I 4.0 4.26 8 I 12.0 10.84 9 I 7.0 4.82 anscombe = sns.load_dataset('anscombe')
25. Diferentes tipos de modelos Lineal anscombe_1 = anscombe[anscombe.dataset == 'I'] sns.lmplot(x='x', y='y', data=anscombe_1, ci=None)
26. Diferentes tipos de modelos Cuadrático anscombe_2 = anscombe[anscombe.dataset == 'II'] sns.lmplot(x='x', y='y', data=anscombe_2, ci=None)
27. Diferentes tipos de modelos Cuadrático sns.lmplot(x='x', y='y', data=anscombe_2, ci=None, order=2)
28. Diferentes tipos de modelos Puntos aislados anscombe_3 = anscombe[anscombe.dataset == 'III'] sns.lmplot(x='x', y='y', data=anscombe_3, ci=None)
29. Diferentes tipos de modelos Puntos aislados # Requires statsmodels sns.lmplot(x='x', y='y', data=anscombe_3, ci=None, robust=True)
30. ¿Cómo la relación entre dos variables cambia respecto a otras? Una variable extra sns.lmplot(x='total_bill', y='tip', hue='smoker', data=tips)
31. ¿Cómo la relación entre dos variables cambia respecto a otras? Dos variables extra sns.lmplot(x='total_bill', y='tip', hue='smoker', col='time', data=tips)
32. ¿Cómo la relación entre dos variables cambia respecto a otras? Tres variables extra sns.lmplot(x='total_bill', y='tip', hue='smoker', col='time', row='sex', data=tips)
33. Conclusiones • Explorar y comprender los datos • Seaborn: Hacer ciertas cosas difíciles fáciles de hacer • Seaborn complementa a matplotlib /sebasvega95 Gracias!!