Nivel 3 · Lee las cajas de precios

Qué muestra una caja

Un boxplot condensa toda una distribución en cinco marcas:

• la línea dentro de la caja es la mediana: la mitad de los valores están por debajo;
• la base y la cima de la caja son el primer cuartil (Q1) y el tercer cuartil (Q3): una cuarta parte de los valores está por debajo de Q1, una cuarta parte por encima de Q3, así que la caja contiene la mitad central;
• la altura de la caja, Q3 - Q1, es el rango intercuartílico (IQR), una medida de dispersión que ignora los extremos;
• los bigotes llegan hasta los valores más lejanos que siguen estando a 1,5 IQR de la caja;
• los puntos más allá de los bigotes son valores más inusuales que eso: valores atípicos (outliers).

Así que lees dos cosas de cada caja: dónde está (qué tan cara) y qué altura tiene (qué tan variada).

Dibujarla por categoría

ax = sns.boxplot(data=products, x="category", y="unit_price", order=order, color="#9dc3e6")

x es la columna de agrupación e y el número. Ordena las cajas por su mediana para que el gráfico se lea como una clasificación:

order = products.groupby("category")["unit_price"].median().sort_values(ascending=False).index

Las cifras detrás de las cajas

quantile recibe una fracción: 0.25 para Q1, 0.5 para la mediana, 0.75 para Q3.

g = products.groupby("category")["unit_price"]
g.quantile(0.25)   # Furniture 346.50, Textiles 25.49, ...
g.median()         # Furniture 574.00, Textiles 59.99, ...

Furniture tiene la mediana más alta, $574, y la caja más alta, un IQR de $705: sus productos van desde una mesa de $169 hasta un sofá de $1,659. Outdoor es segunda con una mediana de $274, pero su caja es casi igual de alta ($689.76), estirada por parrillas, iluminación y piezas de patio que cuestan desde unos $50 hasta $1,289. Textiles está al final con una mediana de $59.99 y los precios más uniformes, un IQR de $74.50. Con solo 20 productos por categoría, estas cifras se mueven mucho cuando cambia un producto, así que di “de 20 productos” cuando las informes.

Errores comunes

• Llamar media a la línea del medio. Las medias no aparecen en un boxplot estándar.
• Leer los bigotes como el mínimo y el máximo. Se detienen a 1,5 IQR; los puntos más allá se dibujan por separado.
• Olvidar order=, de modo que las cajas salen en el orden de los datos y se pierde la clasificación.
• Usar quantile(25) en lugar de quantile(0.25): quantile recibe una fracción entre 0 y 1.