Nivel 2 · Cestas de empresa frente a cestas de consumidor

histplot dibuja una distribución

sns.histplot es el histograma de seaborn. El mismo patrón que toda función de seaborn: la tabla, y luego los nombres de columna.

ax = sns.histplot(data=per_order, x="value", bins=30)

Comparado con ax.hist, la ventaja es hue=: una llamada dibuja un histograma por grupo, en colores distintos, con una leyenda.

ax = sns.histplot(data=per_order, x="value", hue="segment", bins=30,
                  element="step", stat="density", common_norm=False, kde=True)

• element="step" dibuja contornos en lugar de barras rellenas, de modo que los grupos que se solapan siguen siendo legibles.
• stat="density" con common_norm=False escala cada grupo a su propio tamaño. Sin ello, los 3.162 pedidos consumer eclipsarían a los 1.133 business y compararías tamaños de grupo en lugar de formas.
• kde=True añade una curva suave sobre cada histograma, una estimación de la forma de la distribución.

Las cifras detrás de las formas

Un gráfico muestra la diferencia; las cifras la miden. Una agregación con nombre da una fila por segmento:

per_order.groupby("segment", as_index=False).agg(
    n_orders=("order_id", "size"),
    median_value=("value", "median"),
    mean_value=("value", "mean"),
)
#     segment  n_orders  median_value  mean_value
#    business      1133        706.90     1059.42
#    consumer      3162        183.77      348.31

Un pedido business es típicamente unas cuatro veces un pedido consumer. Las cuentas business hicieron el 26 % de los pedidos completados de 2025 pero aportaron el 52 % de los ingresos. En ambos grupos la media está muy por encima de la mediana, porque unas pocas cestas muy grandes la empujan hacia arriba: las medianas son el “pedido típico” más justo.

Recortar la vista, no los datos

Un puñado de pedidos por encima de $3,000 estira tanto el eje x que la mayor parte del gráfico queda apretada contra el borde izquierdo. Está bien dibujar solo los pedidos de hasta $3,000 y decirlo en la etiqueta del eje. Las cifras de result siguen usando todos los pedidos. Recorta lo que muestras, nunca lo que calculas, y dile al lector dónde cortaste.

Errores comunes

• Graficar líneas de pedido en lugar de pedidos: una cesta de cinco líneas contaría cinco veces.
• Unir el segmento con una clave que no es única en el lado de customers. validate="many_to_one" lo detiene pronto.
• Comparar dos grupos de tamaños muy distintos con recuentos en bruto en lugar de densidades.
• Citar solo las medias de grupos sesgados.
• Dejar kde=True en un grupo pequeño. Con unas pocas decenas de valores, la curva suave inventa bultos que no existen; confía en las barras y en las medianas.