Nivel 4 · ¿La mayoría de los pedidos son pequeños?

Las barras comparan, los histogramas reparten

Un gráfico de barras compara categorías. Un histograma muestra la distribución de un número: corta el rango de valores en intervalos, llamados bins, y dibuja una barra con cuántos valores caen en cada uno. Las barras vecinas se tocan, porque los bins están uno al lado del otro en una recta numérica.

La pregunta de Laura, “¿es de verdad típico un pedido de $500?”, trata de una distribución, así que recibe un histograma de los valores de los pedidos.

Dibujarlo

Primero un valor por pedido (lo hace el starter), luego ax.hist:

fig, ax = plt.subplots()
ax.hist(order_value, bins=range(0, 2100, 100), edgecolor="white")
ax.set_xlabel("Order value (USD)")
ax.set_ylabel("Orders")

bins acepta un número (bins=30 crea 30 bins iguales desde el valor menor al mayor) o la lista de bordes. Con bordes controlas el rango y el ancho. Aquí 21 bordes crean 20 bins de $100, de 0 a 2,000. Los pedidos por encima de $2,000, 207 de los 4.295 pedidos completados de 2025, quedan fuera del rango y no se dibujan. Entre 20 y 50 bins suele funcionar; con muy pocos pierdes la forma, con demasiados cada barra es ruido.

Las cifras detrás de las barras

np.histogram recibe los mismos argumentos y devuelve lo que dibuja ax.hist:

counts, bin_edges = np.histogram(order_value, bins=range(0, 2100, 100))
counts[:3]        # [1180, 683, 451]
bin_edges[:3]     # [0, 100, 200]

Siempre hay un borde más que recuentos. Cada bin incluye su borde izquierdo y excluye su borde derecho, así que un pedido de exactamente $100 cuenta en el segundo bin. El último bin es la excepción: incluye ambos extremos.

Media frente a mediana

Esta distribución está sesgada a la derecha: muchos pedidos pequeños y una cola larga de cestas grandes de empresas. En una distribución sesgada la media es atraída hacia la cola, mientras que la mediana se queda donde están la mayoría de los pedidos. Marca ambas con líneas verticales y la diferencia se ve al instante:

ax.axvline(order_value.mean(), color="red", label="Mean")             # $535.90
ax.axvline(order_value.median(), linestyle="--", label="Median")      # $257.96
ax.legend()

La mitad de los pedidos completados de 2025 estuvieron por debajo de $258, y sin embargo la media es más del doble. Para “¿cuánto gasta un cliente típico?”, la mediana es la respuesta honesta; la media sigue siendo la cifra correcta para planificar ingresos, porque los ingresos son un total.

Errores comunes

• Graficar las líneas de order_items en lugar de pedidos enteros. Agrupa primero a un valor por pedido.
• Dejar bins en el valor por defecto de 10, que convierte esta forma en unos pocos bloques.
• Usar un gráfico de barras con huecos entre las barras para un histograma, lo que sugiere categorías separadas.
• Citar solo la media de una distribución sesgada. Da la mediana a su lado.