Lección 17 del curso Matplotlib para Ciencia de Datos y Machine Learning.
En la lección anterior vimos cómo usar diferentes herramientas de Matplotlib para generar gráficos de Series de Tiempo. Y hasta este punto, todas las herramientas de visualización que hemos visto hasta el momento han estado enfocadas en datos numéricos.
Sin embargo, es muy común encontrar en proyectos de Ciencia de Datos y Machine Learning otro tipo de datos: los categóricos. En este tipo de datos, en lugar de un número el dato contiene una categoría (por ejemplo: Joven/Anciano; 1°, 2°, 3°; Sobreviviente o No Sobreviviente, etc.).
Una de las formas más comunes de visualizar este tipo de datos es usando gráficos de barras, que muestran un conteo (o una proporción o porcentaje) de datos por cada categoría. Y existen varios tipos de gráficos de barras (gráficos de barras simples, gráficos de barras agrupadas y gráficos de barras apiladas, entre otros).
Así que en esta última lección del curso veremos cómo usar Matplotlib para generar diferentes tipos de gráficos de barras a partir de datos categóricos:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Muy bien, en esta última práctica hemos visto los diferentes tipos de datos categóricos que existen así como diferentes herramientas para su visualización.
Hemos visto cómo usar la función «bar» de Matplotlib para generar un gráfico de barras simple que nos permite visualizar una variable categórica.
Y luego vimos cómo partir de este gráfico básico para combinar pares de variables categóricas para generar gráficos de barras agrupadas y de barras apiladas.
Así que con esto hemos completado este curso y te invito a ver el video de cierre donde haré una síntesis de todo lo aprendido hasta este punto:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
¡Felicitaciones por haber llegado hasta este punto! Como de costumbre te invito a contactarme para que me compartas tus comentarios del curso y también tus sugerencias de nuevos cursos que me permitan seguir ampliando el contenido de la Academia Online.
¡Un saludo y nos vemos en el próximo curso!
Todas las lecciones del curso Matplotlib para Ciencia de Datos y Machine Learning