11 - Visualización con métodos de Pandas
Lección 11 del curso Pandas Nivel Intermedio.
Como vimos en la lección anterior cuando hablamos de la visualización de DataFrames y Series con Matplotlib, la ventaja de usar esta librería es que podemos controlar y personalizar todos y cada uno de los elementos de la gráfica; pero la desventaja es que esto requiere demasiadas líneas de código.
Lo anterior es útil cuando por ejemplo queremos generar gráficos de alta calidad como parte, por ejemplo, de un reporte final. Sin embargo, cuando estamos realizando, por ejemplo, un análisis exploratorio más que la calidad de los gráficos lo que nos interesa es generar rápidamente una visualización de los datos, sin demasiadas líneas de código.
En este caso lo que sugiero es usar las funciones incluídas en Pandas, que toman como base el código de Matplotlib pero que lo empaquetan en una función fácil de usar, que en pocas líneas de código permite generar diferentes tipos de gráficas.
Al final, cuando generamos una gráfica desde Pandas el método retornará una variable tipo Figure o Axes de Matplotlib así que, si queremos, podremos aplicar las técnicas de personalización de la gráfica tal como lo haríamos usando Matplotlib.
En esta lección veremos como generar varios tipos de gráficas desde Pandas así como la idea básica de esta personalización:
Suscríbete y accede al código fuente y al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Acabamos de ver cómo generar diferentes tipos de gráficos usando métodos propios de la librería Pandas. En la mayoría de los casos podemos acceder directamente al método plot() y especificar el tipo de gráfico a generar (línea, dispersión, barras, etc.) usando el parámetro kind.
Además vimos cómo esta opción de los métodos propios de Pandas tiene la ventaja, frente al uso de Matplotlib, de requerir muchas menos líneas de código.
Sin embargo, si queremos mejorar la calidad de la gráfica podemos acceder al objeto tipo Axes retornado por el método plot() que nos permite controlar todos los elementos de esta gráfica usando la misma sintaxis vista para el caso de Matplotlib.
En la próxima lección veremos una alternativa que es un punto intermedio entre Matplotlib y los métodos de Pandas. Hablaremos de la visualización de datos con Seaborn, una librería que permite generar gráficos de alta calidad, también personalizables, pero con muy pocas líneas de código.