Volver al Inicio

• Anterior
• Siguiente

Visualizaciones Impresionantes

Publicado el: 16 de Enero del 2021 - Jhonatan Montilla

En este artículo les enseñaremos como generar gráficos llamativos para la representación gráfica de sus datos a través de las librerías de Python: Matplotlib y Seaborn. Para este ejercicio utilizaremos un par de conjuntos de datos los cuales podrá descargar directamente desde nuestro repositorio.

• Carga de las librerías de Python necesarias.

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
from bokeh.plotting import figure, output_file, show

Gráficos con librería de Python Matplotlib

• Carga del conjunto de datos de Netflix.

netflix_data = pd.read_csv('netflix_titles.csv')
netflix_data.head()

	show_id	type	title	director	cast	country	date_added	release_year	rating	duration	listed_in	description
0	81145628	Movie	Norm of the North: King Sized Adventure	Richard Finn, Tim Maltby	Alan Marriott, Andrew Toth, Brian Dobson, Cole...	United States, India, South Korea, China	September 9, 2019	2019	TV-PG	90 min	Children & Family Movies, Comedies	Before planning an awesome wedding for his gra...
1	80117401	Movie	Jandino: Whatever it Takes	NaN	Jandino Asporaat	United Kingdom	September 9, 2016	2016	TV-MA	94 min	Stand-Up Comedy	Jandino Asporaat riffs on the challenges of ra...
2	70234439	TV Show	Transformers Prime	NaN	Peter Cullen, Sumalee Montano, Frank Welker, J...	United States	September 8, 2018	2013	TV-Y7-FV	1 Season	Kids' TV	With the help of three human allies, the Autob...
3	80058654	TV Show	Transformers: Robots in Disguise	NaN	Will Friedle, Darren Criss, Constance Zimmer, ...	United States	September 8, 2018	2016	TV-Y7	1 Season	Kids' TV	When a prison ship crash unleashes hundreds of...
4	80125979	Movie	#realityhigh	Fernando Lebrija	Nesta Cooper, Kate Walsh, John Michael Higgins...	United States	September 8, 2017	2017	TV-14	99 min	Comedies	When nerdy high schooler Dani finally attracts...

• Conjunto de datos agrupado por tipo y año de lanzamiento, así como también, se reemplazan los valores faltantes con 0

n_data = netflix_data.groupby(['release_year', 'type'], as_index=False).show_id.count()
n_data.columns = ['release_year', 'type', 'count']
n_data_pivot = n_data.pivot(index='release_year', columns='type', values='count').reset_index()
n_data_pivot.fillna(0, inplace = True)
n_data_pivot.head()

type	release_year	Movie	TV Show
0	1925	0.0	1.0
1	1942	2.0	0.0
2	1943	3.0	0.0
3	1944	3.0	0.0
4	1945	3.0	0.0

Gráfico de líneas con leyenda y notas.

fig, ax = plt.subplots()
ax.plot(n_data_pivot.release_year, n_data_pivot.Movie, label = "Películas")
ax.plot(n_data_pivot.release_year, n_data_pivot['TV Show'], label = "Series") 
ax.set_ylabel("Cantidad de Películas y Series") 
ax.set_xlabel("Año de Lanzamiento")
ax.set_title("Tendencias en Visualización de Películas y Series")
plt.text(x=1950, y=400, s=r"Las películas más vistas se lanzaron después del 2000 y las series de televisión después del 2010", fontsize = 12)
fig.set_size_inches(18.5, 10.5)
plt.grid()
ax.legend();

• Conjunto de datos agrupado por tipo y año en que agregó a la lista, así como también, se reemplazan los valores faltantes con 0

netflix_data['year_added'] = netflix_data['date_added'].str.slice(start=-4)
n_data_added = netflix_data.groupby(['year_added', 'type'], as_index=False).show_id.count()
n_data_added.columns = ['year_added', 'type', 'count']
n_data_added = n_data_added.pivot(index='year_added', columns='type', values='count').reset_index()
n_data_added.fillna(0, inplace = True)
n_data_added.head()

type	year_added	Movie	TV Show
0	2008	1.0	1.0
1	2009	2.0	0.0
2	2010	1.0	0.0
3	2011	13.0	0.0
4	2012	4.0	3.0

Gráfico de barras verticales con leyenda y etiquetas.

labels = n_data_added['year_added']
x = np.arange(len(labels))  # Ubicación de las etiquetas
width = 0.35  # Ancho de las barras
fig, ax = plt.subplots()
Movies_rects = ax.bar(x - width/2, n_data_added['Movie'], width, label='Películas') # Agrega color aquí
TVshows_rects = ax.bar(x + width/2, n_data_added['TV Show'], width, label='Series')
# Agrega texto para etiquetas, título, configure el tamaño del gráfico.
ax.set_xlabel("Año en que agregó a Netflix")
ax.set_ylabel("Cantidad de Películas o Series de Tv")
ax.set_title("Cantidad de Películas y Series de Televisión agregadas al catálogo de Netflix")
ax.set_xticks(x)
ax.set_xticklabels(labels)
fig.set_size_inches(18.5, 10.5)
plt.rcParams.update({'font.size': 15})
ax.legend()
 # Función para generar las etiquetas en la parte superior de las barras. 
def gen_label(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate('{}'.format(height),
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # Desplazamiento vertical de 3 puntos
                    textcoords="offset points",
                    ha='center', va='bottom')
gen_label(Movies_rects)
gen_label(TVshows_rects)
fig.tight_layout()
plt.show()

Gráfico de barras horizontales con leyenda.

data = pd.DataFrame(dict(Year = n_data_added['year_added'],
                       Movie = n_data_added['Movie'], TVshow=n_data_added['TV Show'])) 
ind = np.arange(len(data))
width = 0.4
fig1, ax1 = plt.subplots()
ax1.barh(ind, data.Movie, width, color='red', label="Películas")
ax1.barh(ind + width, data.TVshow, width, color='green', label="Series")
ax1.set(yticks=ind + width, yticklabels=data.Year, ylim=[2*width - 1, len(data)])
ax1.set_ylabel("Año en que agregó a Netflix")
ax1.set_xlabel("Cantidad de Películas o Series de Tv")
ax1.set_title("Cantidad de Películas y Series de Televisión \nagregadas al catálogo de Netflix")
ax1.legend()
fig1.set_size_inches(10, 10)
plt.show()

Gráfico de barras apiladas con leyenda.

data = pd.DataFrame(dict(Year = n_data_added['year_added'],
                       Movie = n_data_added['Movie'], TVshow=n_data_added['TV Show'])) 
ind = np.arange(len(data))
width = 0.4
fig1, ax1 = plt.subplots()
ax1.barh(ind, data.Movie, width, color='red', label="Películas")
ax1.barh(ind, data.TVshow, width, color='green', label="Series")
ax1.set(yticks=ind + width, yticklabels=data.Year, ylim=[2*width - 1, len(data)])
ax1.set_ylabel("Año en que agregó a Netflix")
ax1.set_xlabel("Cantidad de Películas o Series de Tv")
ax1.set_title("Cantidad de Películas y Series de Televisión \nagregadas al catálogo de Netflix")
ax1.legend()
fig1.set_size_inches(10, 10)
plt.show()

• Para el próximo caso será necesario agregar en el conjunto de datos una columna con los números del total de películas y series de televisión juntos.

n_data_added['Total'] = n_data_added['Movie'] + n_data_added['TV Show']
n_data_added_flt = n_data_added[-4:] # Para seleccionar solo las últimas filas
n_data_added_flt = n_data_added_flt.reset_index(drop=True) # Para restablecer el índice
n_data_added_flt.head()

type	year_added	Movie	TV Show	Total
0	2017	913.0	387.0	1300.0
1	2018	1290.0	492.0	1782.0
2	2019	1546.0	803.0	2349.0
3	2020	147.0	37.0	184.0

Gráfico Circular tipo Torta con etiquetas porcentuales.

labels = n_data_added_flt['year_added']
sizes = n_data_added_flt['Total']
explode = (0, 0.1, 0, 0)  # Separa la segunda rebanada (año 2018)
fig2, ax2 = plt.subplots()
ax2.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)
ax2.axis('equal')  # Relación de aspecto garantiza que la torta se dibuje como un círculo.
plt.show()

Gráfico Circular tipo Anillo con etiquetas porcentuales

labels = n_data_added_flt['year_added']
sizes = n_data_added_flt['Total']
explode = (0.1, 0.1, 0.1, 0.1)  # Separa todas las rebanadas
fig2, ax2 = plt.subplots()
ax2.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90, pctdistance=0.85) # Ajusta la ubicación de la fuente
# Dibuja un círculo y convierte el gráfico circular un gráfico de anillos
centre_circle = plt.Circle((0,0),0.70,fc='white')
fig2 = plt.gcf()
fig2.gca().add_artist(centre_circle)
# Relación de aspecto igual garantiza que la torta se dibuja como un círculo
ax2.axis('equal')  
plt.tight_layout()
plt.show()

Gráficos con librería de Python Seaborn

• Carga del segundo conjunto de datos, Registro de Ataques Cardíacos.

heart_failure_data = pd.read_csv('heart_failure_clinical_records_dataset.csv')
heart_failure_data.head()

	age	anaemia	creatinine_phosphokinase	diabetes	ejection_fraction	high_blood_pressure	platelets	serum_creatinine	serum_sodium	sex	smoking	time	death_event
0	75.0	0	582	0	20	1	265000.00	1.9	130	1	0	4	1
1	55.0	0	7861	0	38	0	263358.03	1.1	136	1	0	6	1
2	65.0	0	146	0	20	0	162000.00	1.3	129	1	1	7	1
3	50.0	1	111	0	20	0	210000.00	1.9	137	1	0	7	1
4	65.0	1	160	1	20	0	327000.00	2.7	116	0	0	8	1

• Se agrupan los datos por edad y cantidad de decesos.

agg_data = heart_failure_data.groupby(['age', 'death_event'], as_index=False).ejection_fraction.count()
agg_data.columns = ['Age', 'death_event', 'Count']
agg_data.head()

	Age	death_event	Count
0	40.0	0	7
1	41.0	0	1
2	42.0	0	6
3	42.0	1	1
4	43.0	0	1

Gráfico de líneas con leyenda

sns.relplot(x="Age", y="Count", 
            hue="death_event" , aspect=16/9,
            kind="line", data=agg_data);

Gráfico de Dispersión con leyenda tipo 1

sns.relplot(x="serum_creatinine", y="ejection_fraction", 
            hue="death_event", kind="scatter",
            data=heart_failure_data, aspect=16/9);

Gráfico de Dispersión con leyenda tipo 2

sns.relplot(x="serum_creatinine", y="ejection_fraction", 
            hue="death_event", kind="scatter",
            style="smoking",
            data=heart_failure_data, aspect=16/9);

• Se prepara el conjunto de datos para el siguiente caso, gráfico de mapa de calor.

agg_data2 = heart_failure_data.groupby(['age', 'ejection_fraction'], as_index=False).death_event.sum()
agg_data2.columns = ['Age', 'ejection_fraction', 'Deaths']
agg_data2_p = agg_data2.pivot(index='Age', columns='ejection_fraction', values='Deaths')
agg_data2_p.fillna(0, inplace=True)
agg_data2_p.head(10)

ejection_fraction	14	15	17	20	25	30	35	38	40	45	50	55	60	62	65	70	80
Age
40.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
41.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
42.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
43.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
44.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
45.0	1.0	0.0	0.0	1.0	1.0	2.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
46.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
47.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0
48.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0
49.0	0.0	0.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0

Gráfico tipo Mapa de Calor

plt.subplots(figsize=(20,15))
sns.heatmap(agg_data2_p, annot=True)
plt.show()

• Se prepara una muestra del conjunto de datos para el siguiente caso.

subset = heart_failure_data.iloc[:,[0,1,2,3,4]]
subset.head()

	age	anaemia	creatinine_phosphokinase	diabetes	ejection_fraction
0	75.0	0	582	0	20
1	55.0	0	7861	0	38
2	65.0	0	146	0	20
3	50.0	1	111	0	20
4	65.0	1	160	1	20

Gráficos Mixtos de Parcelas (Histogramas y Dispersión)

• Este tipo de gráficos es ideal para visualizar gráficamente la distribución de los datos y sus correlaciones de variables de un conjunto de datos.

sns.pairplot(subset);

Gráfico de Dispersión Dinámico

• Este tipo de gráficos es ideal para visualizar dinámicamente la distribución de los datos a través del uso de controles.

p = figure(title = "Edad vs Cantidad de Rechazos")
p.xaxis.axis_label = "Edad"
p.yaxis.axis_label = "Cantidad de Rechazos"
p.circle(agg_data2["Age"], agg_data2["ejection_fraction"],
         fill_alpha=0.2, size=10)
output_file("test.html", title="Example")
show(p);

• Para visualizar el gráfico generado con el código anterior hacer clic Aquí.

Esperamos que esta publicación sea un aporte para realizar representaciones gráficas más llamativas de sus datos, en caso de que quieran profundizar más en cada una de las librerías de gráficos utilizadas en este artículo les invitamos a revisar la documentación disponible en la web para cada una de estas.

• https://matplotlib.org
• https://seaborn.pydata.org