Saltar al contenido

Lección 11 de 16 · Lectura y práctica

Visualización de datos con Matplotlib y Seaborn

Visualización de datos con Matplotlib y Seaborn Esta leccion pertenece al curso Data Science con Python y Pandas y esta pensada para que avances con criterio profesional, no solo con teoria. Primero entiende el concepto, despues.

Del concepto a la práctica

Taller de esta lección

La elección del gráfico depende de la relación que quieres mostrar. Para comparar ventas de categorías en un mismo periodo, barras con escala común son más legibles que una dona; para observar una secuencia mensual, una línea conserva el orden temporal. Las etiquetas deben expresar unidad y periodo.

Ejemplo resuelto

python
import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'mes': ['Ene', 'Feb', 'Mar'], 'ventas': [100, 130, 120]})
plt.plot(df['mes'], df['ventas'], marker='o')
plt.ylabel('Ventas (unidades)')
plt.xlabel('Mes')
plt.tight_layout()
plt.show()

La figura muestra subida de 100 a 130 y descenso a 120, sin afirmar una causa.

Pruébalo

  1. Define la pregunta visual.

  2. Ordena las categorías o fechas antes de graficar.

  3. Añade título, ejes y unidades.

  4. Comprueba que la escala no oculte diferencias.

Error frecuente: usar meses alfabéticamente ordenados. Corrígelo creando un orden temporal explícito antes de dibujar.

Ejercicio: representa [abril 80, mayo 95, junio 90] en una línea.

Comprueba tu resultado

El resultado verificable debe tener tres puntos en orden temporal, eje vertical en unidades y una descripción que mencione solo el cambio observado.

Flujo de datos: dos formatos de la misma fecha se normalizan y un vacío queda marcado antes de comprobar tipos, duplicados y unidades.
CursaloMapa de práctica
Antes del gráfico, revisa los datos

Antes de analizar, comprueba los tipos, valores vacíos, duplicados y unidades. Decide cómo tratar cada problema según el contexto y conserva la trazabilidad del cambio. Un gráfico solo es útil si los datos de entrada son coherentes.

Ver la infografía en tamaño completo ↗

Visualización de datos con Matplotlib y Seaborn

Esta leccion pertenece al curso Data Science con Python y Pandas y esta pensada para que avances con criterio profesional, no solo con teoria. Primero entiende el concepto, despues aplicalo en una situacion concreta y finalmente deja evidencia de lo que aprendiste.

Objetivo practico

Al terminar, deberias poder explicar el tema con tus palabras, reconocer cuando usarlo y construir una version simple que sirva como base para un proyecto real.

Pasos recomendados

  1. Lee el concepto y escribi una definicion breve.
  2. Identifica un caso de uso laboral donde aparezca este problema.
  3. Construye un ejemplo pequeno y documenta las decisiones.
  4. Compara tu resultado con el checklist de la leccion.

Sigue con Data Science con Python y Pandas

Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.

Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.