• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Combinar diagramas de caja e histogramas en Python con Seaborn

febrero 22, 2021 Por Daniel Rodríguez Dejar un comentario
Tiempo de lectura: 3 minutos

Los diagramas de caja (“boxplot”) o diagramas de bigote son una excelente herramienta para representar características de un conjunto de datos como la dispersión y la simetría. Otro gráfico que también nos permite observar estas características en los conjuntos de datos son los histogramas. Por lo que, en ciertas ocasiones, puede ser una buena idea combinar ambos en un único gráfico para ofrecer una mejor representación de los datos. Vamos a ver como se puede hacer esto, combinar en una única gráfica diagramas de caja e histogramas en Python, con Seaborn.

Diagramas de caja e histogramas en una gráfica

Para crear una gráfica en la que exista un diagrama de cajas y un histograma se puede utilizar el siguiente código.

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

x = np.random.normal(loc=0.0, scale=3.0, size=1000)

f, ax = plt.subplots(2,
                     sharex=True,
                     gridspec_kw={"height_ratios": (.20, .80)})

sns.boxplot(x, ax=ax[0])
sns.distplot(x, ax=ax[1])
ax[1].axvline(np.mean(x), color='red')

Con el que se obtendrá una figura como la siguiente.

En esta figura se puede ver en la parte superior un diagrama de cajas y en la parte inferior un histograma con la función de densidad. Compartiendo ambos el mismo eje x. Además, también se puede ver una línea roja en el histograma que indica la posición de la media del conjunto de datos.

Los pasos que se han dado para crear la gráfica han sido los siguientes.

Conjunto de datos aleatorios

En primer lugar, después de las correspondientes importaciones, se han creado un conjunto de datos aleatorios usando la función random.normal() de NumPy. Esta función ha creado simplemente 1000 registros a partir de una distribución normal con media cero y dispersión igual a 3.

Creación de las sub gráficas

Posteriormente se ha empleado la función subplots de Matplotlib para crear una gráfica con dos ejes. Indicándose mediante la propiedad sharex que ambas compartan el mismo eje de coordenadas para x.

Además, también se ha utilizado la propiedad gridspec_kw para indicar el porcentaje de altura que le corresponde a cada eje. Lo que se ha hecho es crear un diccionario con la propiedad height_ratios. Indicando que el primer eje, el que se usará para el diagrama de caja, usar el 20% de la altura y el segundo, el que se usará para representar el histograma el resto.

Esta función devuelve dos valores: la figura y los ejes. Solo que en este caso hay que tener en cuenta que los ejes son una vector con dos registros, ya que este es el número de ejes que tiene la nueva figura

Creación los diagramas de caja e histogramas

Las dos gráficas se han creado con las funciones correspondientes de Seaborn. La función boxplot para el diagrama de cajas y distplot para el histograma. Indicando en ambos casos el eje en el que se desea situar la figura.

Creación de la línea vertical

Finalmente, se usa la propiedad axvline del eje para crear una línea vertical. A la que solamente se le debe indicar la posición. Aunque también se ha indicado el color para diferenciarlo del histograma.

Conclusiones

En esta entrada hemos visto un pequeño truco para poder crear una única figura con diagramas de caja e histogramas en Python. Un truco que también se podría usar para combinar otros tipos de gráficos modificando los parámetros utilizados en este caso.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Python Etiquetado con:seaborn

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • instagram
  • pinterest
  • tumblr
  • twitter
  • youtube
  • github
  • telegram
  • rss

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit)

marzo 5, 2021 Por Daniel Rodríguez Dejar un comentario

Diferencias entre library() y require() en R

marzo 3, 2021 Por Daniel Rodríguez Dejar un comentario

Noticias

Disponible la versión 1.20.0 de NumPy

marzo 2, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Numpy básico: eliminar elementos en arrays de Numpy bajo Python
  • ¿Cómo cambiar el nombre de las columnas en Pandas? bajo Python
  • Cómo leer y escribir archivos en Python bajo Python

Publicidad

Lo mejor valorado

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (5)

Archivos JSON con Python: lectura y escritura

4.8 (6)

Seleccionar filas y columnas en Pandas con iloc y loc

4.2 (5)

Guardar y leer archivos Excel en Python

Publicidad

Comentarios recientes

  • egilda en Visualización de datos en Python con Seaborn
  • Sergio en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • javier en Uso de las f-string de Python para mejorar el formato de textos
  • Daniel Rodríguez en Guardar y leer archivos Excel en Python
  • franklin Chiluisa en Guardar y leer archivos Excel en Python

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2021 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto