Gráficos de contorno en Seaborn: Representación de distribuciones conjuntas y estimaciones de densidad

Los gráficos de contorno permiten visualizar la distribución conjunta de dos variables. Facilitando estimar la densidad de los valores. Seaborn, una de las principales bibliotecas para la visualización de datos en Python, dispone de funciones con las que se pueden crear este tipo de gráficos de una forma sencilla. En esta entrada, se verá cómo crear gráficos de contorno en Seaborn.

Conjunto de datos de ejemplo

Para facilitar el seguimiento de los ejemplos, en esta entrada, se usará el conjunto de datos tips que se incluye en Seaborn. Como es habitual, para cargar el conjunto de datos solamente se tiene que importar Seaborn y llamar a la función load_dataset() con el nombre del conjunto de datos como parámetro.

import seaborn as sns

# Cargar datos del conjunto de datos tips
tips = sns.load_dataset("tips")

Visualizar distribuciones conjuntas

La función con la que se puede crear visualizaciones de la distribución conjunta de datos en Seaborn es jointplot(). Como es habitual, para crear el gráfico solamente se tiene que indicar las variables que se desean mostrar en en los ejes y el conjunto de datos. Para tips se puede crear un gráfico de contorno para visualizar la distribución de la factura total y las propinas.

import matplotlib.pyplot as plt

# Crear un gráfico para la distribución conjunta de "total_bill" y "tip"
sns.jointplot(x="total_bill", y="tip", data=tips)

# Mostrar el gráfico
plt.show()

En este ejemplo, la figura principal muestra una gráfica de dispersión con los puntos en la que se ve cada uno de los puntos. Cada uno de los ejes muestra además el histograma de la variable correspondiente. En el eje x se representa la variable “total_bill” y en el eje y se representa la variable “tip”.

Gráficos de contorno para distribuciones conjuntas

Los gráficos de contorno son útiles para visualizar la distribución conjunta de dos variables continuas. Estos gráficos también se crean mediante la función jointplot(), pero es necesario indicar que el tipo de gráfica sea "kde" mediante el parámetro kind. Con este único cambio se obtiene la siguiente figura.

# Crear un gráfico de contorno para la distribución conjunta de "total_bill" y "tip"
sns.jointplot(x="total_bill", y="tip", data=tips, kind="kde")

# Mostrar el gráfico
plt.show()

En este ejemplo, se emplea la función jointplot() y se especifica kind="kde" para crear un gráfico de contorno utilizando el estimador de densidad de kernel (KDE). A diferencia de la gráfica anterior en los ejes se ve la función de densidad, no el histograma. Mientras que la figura principal es un gráfico de contorno.

Estimaciones de densidad

En cada uno de los ejes de la gráfica anterior se muestra una gráfica de estimación de densidad kernel. Esta gráfica se puede usar para estimar la densidad para cada uno de los puntos del conjunto de datos. Si se desea consultar más detalles, Seaborn cuenta con la función kdeplot() para crearlas de forma independiente. Como se muestra en el siguiente caso para la factura total.

# Crear un gráfico para la estimación de densidad de "total_bill"
sns.kdeplot(tips['total_bill'])

# Mostrar el gráfico
plt.show()

Conclusiones

Los gráficos de contorno son una herramienta útil para visualizar la distribución conjunta de variables continuas y obtener estimaciones de densidad. Gráficos que se pueden crear faciliten en Seaborn.