Please enable JavaScript.
Coggle requires JavaScript to display documents.
2.14 Funciones de agregación. 2.15 Visualización y ploteo. -…
2.14 Funciones de agregación.
2.15 Visualización y ploteo.
Las funciones de agregación son fundamentales para resumir y obtener información de conjuntos de datos. Te permiten realizar cálculos como suma, media, cuenta, mínimo, máximo, y muchas otras operaciones para obtener información relevante.
Funciones Básicas de Agregación
sum(): suma de valores.
mean(): media de valores.
count(): número de valores no nulos.
min(): valor mínimo.
max(): valor máximo.
std(): desviación estándar.
var(): varianza.
import pandas as pd
Creamos un DataFrame de ejemplo
data = {
'Producto': ['A', 'B', 'A', 'C', 'B', 'A'],
'Ventas': [100, 200, 150, 300, 250, 120],
'Costo': [50, 100, 75, 150, 125, 60]
}
df = pd.DataFrame(data)
Obtener la suma de ventas
ventas_totales = df['Ventas'].sum()
print("Ventas totales:", ventas_totales)
Obtener la media de ventas
media_ventas = df['Ventas'].mean()
print("Media de ventas:", media_ventas)
Obtener el máximo de ventas
max_ventas = df['Ventas'].max()
print("Máximo de ventas:", max_ventas)
Obtener el conteo de productos
producto_count = df['Producto'].count()
print("Número de productos:", producto_count)
GroupBy y Agregación
El método DataFrame.groupby() te permite agrupar datos y aplicar funciones de agregación para obtener resultados agrupados. Puedes agrupar por una o más columnas y aplicar una o más funciones de agregación.
Agrupar por 'Producto' y obtener la suma de 'Ventas'
grouped = df.groupby('Producto')['Ventas'].sum()
print("Ventas por producto:")
print(grouped)
Aplicar múltiples funciones de agregación
multi_agg = df.groupby('Producto').agg({'Ventas': ['sum', 'mean'], 'Costo': ['min', 'max']})
print("Agregaciones múltiples:")
print(multi_agg)
2.15 Visualización y Ploteo en Python
La visualización de datos es esencial para entender y comunicar información. En Python, matplotlib y seaborn son bibliotecas populares para gráficos y visualización.
Matplotlib
matplotlib es la biblioteca de gráficos base en Python. Con ella, puedes crear gráficos de líneas, de barras, histogramas, gráficos de dispersión, y mucho más.
import matplotlib.pyplot as plt
Datos de ejemplo
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
Crear un gráfico de líneas
plt.plot(x, y, label='Línea de ejemplo')
Añadir título y etiquetas
plt.title("Gráfico de líneas")
plt.xlabel("X")
plt.ylabel("Y")
Mostrar la leyenda y el gráfico
plt.legend()
plt.show()
Seaborn
seaborn es una biblioteca que simplifica la creación de gráficos y añade estilo a matplotlib. Ofrece gráficos estadísticos y capacidades avanzadas para trabajar con datos.
import seaborn as sns
Datos de ejemplo
data = {
'Categoría': ['A', 'B', 'C', 'D', 'E'],
'Valor': [4, 7, 1, 8, 5]
}
df = pd.DataFrame(data)
Crear un gráfico de barras
sns.barplot(x='Categoría', y='Valor', data=df)
Añadir título y mostrar el gráfico
plt.title("Gráfico de barras")
plt.show()
Gráficos de Dispersión y Relación
Datos de ejemplo
data = {
'Edad': [25, 30, 35, 40, 45],
'Salario': [30000, 35000, 40000, 50000, 60000]
}
df = pd.DataFrame(data)
Crear un gráfico de dispersión para ver la relación entre 'Edad' y 'Salario'
sns.scatterplot(x='Edad', y='Salario', data=df)
Añadir título y mostrar el gráfico
plt.title("Gráfico de dispersión")
plt.show()