Saltar al contenido

Lección 13 de 14 · Lectura y práctica

Seaborn: Gráficos estadísticos

Seaborn: Visualizacion estadistica Seaborn esta construido sobre Matplotlib y facilita crear graficos estadisticos atractivos. Configuracion import seaborn as sns import pandas as pd import matplotlib.pyplot as plt # Configurar.

Del concepto a la práctica

Taller de esta lección

Seaborn ayuda a comparar una variable numérica entre categorías, pero cada gráfico responde una pregunta distinta. Un boxplot muestra mediana, dispersión y posibles valores alejados; un conteo muestra cuántas observaciones hay. No confundas cantidad de filas con importe típico.

Ejemplo resuelto

python
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

ventas = pd.DataFrame({
    'canal': ['tienda', 'tienda', 'web', 'web'],
    'importe': [10, 14, 8, 20]
})
sns.boxplot(data=ventas, x='canal', y='importe')
plt.title('Distribución del importe por canal')
plt.show()
  1. Cada observación es una venta individual.

  2. La categoría se coloca en x y la medida en y.

  3. La mediana de tienda es 12 y la de web es 14.

  4. El gráfico permite comparar distribución, no afirmar causalidad.

Un error frecuente es leer una caja como si fuera el total del canal. Corrígelo usando groupby para totales y reservando el boxplot para dispersión y posición central.

Pruébalo

Añade una venta web de 12 y calcula las medianas de ambos canales.

Comprueba tu resultado

La mediana de tienda sigue siendo 12; la de web pasa a ser 12, el valor central de los tres importes ordenados 8, 12, 20.

Con solo dos o tres observaciones por categoría, la caja es una demostración de lectura, no evidencia de una distribución poblacional estable. Muestra también los puntos y el número de observaciones; un valor marcado fuera de los bigotes no se descarta automáticamente.

Comparación de una interfaz sin jerarquía y otra con título, información y acción claramente ordenados.
CursaloMapa de práctica
La jerarquía guía la mirada

El tamaño, el espacio y el contraste ayudan a distinguir lo principal de lo secundario. Una jerarquía clara guía la lectura desde el título hasta la información y la acción. Comprueba que el orden visual coincida con la tarea de la persona.

Ver la infografía en tamaño completo ↗
Fuentes para profundizar

Seaborn: Visualizacion estadistica

Seaborn esta construido sobre Matplotlib y facilita crear graficos estadisticos atractivos.

Configuracion

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

# Configurar estilo
sns.set_theme(style="whitegrid")

# Dataset de ejemplo
tips = sns.load_dataset('tips')

Distribucion

# Histograma + KDE
sns.histplot(data=tips, x='total_bill', kde=True)

# Solo KDE
sns.kdeplot(data=tips, x='total_bill')

# Por categoria
sns.histplot(data=tips, x='total_bill', hue='sex')

Relaciones

# Scatter con regresion
sns.regplot(data=tips, x='total_bill', y='tip')

# Scatter con categorias
sns.scatterplot(data=tips, x='total_bill', y='tip',
                hue='day', size='size')

# Relacion de todo el dataset
sns.pairplot(tips, hue='sex')

Categoricos

# Box plot
sns.boxplot(data=tips, x='day', y='total_bill')

# Violin plot
sns.violinplot(data=tips, x='day', y='total_bill')

# Bar plot (con error)
sns.barplot(data=tips, x='day', y='total_bill')

# Count plot
sns.countplot(data=tips, x='day')

# Strip plot (puntos individuales)
sns.stripplot(data=tips, x='day', y='total_bill', jitter=True)

Heatmap

# Matriz de correlacion
corr = tips.select_dtypes(include='number').corr()

plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0)
plt.title('Matriz de Correlacion')
plt.show()

FacetGrid: Graficos por categoria

# Crear grid
g = sns.FacetGrid(tips, col='time', row='sex', height=4)

# Aplicar grafico
g.map(sns.histplot, 'total_bill')

# Con scatterplot
g = sns.FacetGrid(tips, col='day', col_wrap=2)
g.map(sns.scatterplot, 'total_bill', 'tip')

Sigue con Python para Data Science

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.