Capítulo 12 · 9 niveles
Seaborn, correlación y conclusiones
Gráficos estadísticos con seaborn (countplot, histplot, boxplot, regplot, heatmap), valores atípicos con la regla del IQR, correlación bien hecha, y cómo convertir cifras en una conclusión escrita.
El capítulo anterior dibujó gráficos pieza a pieza con matplotlib. seaborn es una biblioteca
construida sobre él para gráficos estadísticos: le pasas un DataFrame y nombres de columnas, y ella
agrupa, cuenta y colorea por ti. Toda función de seaborn sigue un patrón, sns.function(data=df, x="col", y="col", hue="col"), y devuelve unos Axes de matplotlib, así que los títulos, las
etiquetas y los límites funcionan exactamente como antes.
Contarás con countplot, compararás distribuciones con histplot y boxplot, aprenderás a leer
bien un boxplot (mediana, cuartiles, bigotes, valores atípicos) y a encontrar valores atípicos con
cifras, no a ojo. Luego la correlación: qué significa el número entre -1 y +1, cómo calcular una
matriz entera con corr(), mostrarla como un mapa de calor (heatmap), elegir los pares más fuertes,
y por qué “van juntos” nunca significa “causa”.
La última parte es la que convierte el análisis en algo que un gerente puede usar: la conclusión (takeaway). ¿Qué encontraste, qué tamaño tiene y para qué sirve? Cada número calculado, ninguno estimado.
Cómo se ejecuta aquí. seaborn no forma parte por defecto del Python que se ejecuta en tu
navegador, así que la página carga una copia fijada (y matplotlib) la primera vez que tu código dice
import seaborn as sns. Eso tarda unos segundos una sola vez. Como en el capítulo 11, tus gráficos
aparecen bajo tu resultado, y la comprobación mira las cifras de result.
Niveles
- Pedidos por canal con seaborn
de Robert Kim, Director de Operaciones
seaborn, countplot, hue, order, value counts
- Cestas de empresa frente a cestas de consumidor
de Megan Collins, Directora de Ventas
seaborn, histplot, hue, kde, distribution, median
- Lee las cajas de precios
de Thomas Whitaker, Director de Merchandising
boxplot, quartiles, iqr, quantile, seaborn
- ¿Qué pedidos son inusualmente grandes?
de Laura Bennett, Directora de Finanzas
outliers, iqr, quantile, boxplot, fences
- ¿Más gasto en anuncios trae más visitas?
de Jordan Reyes, Director de Marketing
correlation, corr, regplot, scatterplot, pearson r
- El mapa de calor de correlación y los pares más fuertes
de Priya Shah, Directora de Datos
correlation matrix, heatmap, corr, top pairs, abs
- ¿Duplicar el gasto en anuncios duplicará los pedidos?
de Jordan Reyes, Director de Marketing
correlation, causation, confounder, seasonality
- De las cifras a una conclusión
de Megan Collins, Directora de Ventas
takeaway, conclusions, f strings, percent format, reporting
- Desafío final: ¿es el canal o es el cliente?
de Catherine Hale, Directora General
heatmap, pivot table, boxplot, to csv, takeaway