Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Aprende Gráfico Conjunto | Visualización con Seaborn
Visualización Definitiva con Python

Desliza para mostrar el menú

book
Gráfico Conjunto

Note
Definición

Joint plot es un gráfico bastante singular, ya que combina múltiples gráficos. Es un gráfico que muestra la relación entre dos variables junto con sus distribuciones individuales.

Básicamente, tiene tres elementos por defecto:

  • Histograma en la parte superior que representa la distribución de una variable;

  • Histograma a la derecha que representa la distribución de otra variable;

  • Gráfico de dispersión en el centro que muestra la relación entre estas dos variables.

Aquí tienes un ejemplo de un joint plot:

Datos para el Joint Plot

seaborn tiene una función jointplot() que, de manera similar a countplot() y kdeplot(), tiene tres parámetros más importantes:

  • data;

  • x;

  • y.

Los parámetros x y y especifican las variables a graficar, que corresponden a los histogramas de la derecha y la parte superior. Estos parámetros pueden ser objetos tipo array o nombres de columnas cuando el parámetro data es un DataFrame.


              
12345678

            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()
copy

El ejemplo inicial se ha recreado asignando un DataFrame al parámetro data y especificando los nombres de las columnas para x y y.

Gráfico en el Centro

Otro parámetro bastante útil es kind, que especifica el gráfico que se muestra en el centro. El valor predeterminado es 'scatter'. Otros gráficos posibles son: 'kde', 'hist', 'hex', 'reg', 'resid'. Se recomienda experimentar con diferentes tipos de gráficos:


              
12345678

            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()
copy

Tipos de gráficos

Aunque el diagrama de dispersión es la opción más común para el gráfico central, existen varias otras alternativas disponibles:

  • reg: Añade un ajuste de regresión lineal al diagrama de dispersión, útil para verificar la correlación entre variables;

  • resid: Muestra los residuos de una regresión lineal;

  • hist: Presenta un histograma bivariado para dos variables;

  • kde: Genera un gráfico KDE;

  • hex: Produce un gráfico hexbin, donde los hexágonos reemplazan los puntos individuales y el color del contenedor indica la densidad de los datos.

Note
Estudiar más

Como es habitual, puedes explorar más opciones y parámetros en la documentación de jointplot().

También es recomendable explorar los temas mencionados:
documentación de residplot();
Ejemplo de histograma bivariado;
Ejemplo de gráfico hexbin.

Tarea

Swipe to start coding

  1. Utilizar la función correcta para crear un gráfico conjunto.
  2. Usar weather_df como los datos para el gráfico (el primer argumento).
  3. Establecer la columna 'Boston' como la variable del eje x (el segundo argumento).
  4. Establecer la columna 'Seattle' como la variable del eje y (el tercer argumento).
  5. Configurar el gráfico central para que tenga una línea de regresión (el argumento más a la derecha).

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 5
Lamentamos que algo salió mal. ¿Qué pasó?

Pregunte a AI

expand
ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

book
Gráfico Conjunto

Note
Definición

Joint plot es un gráfico bastante singular, ya que combina múltiples gráficos. Es un gráfico que muestra la relación entre dos variables junto con sus distribuciones individuales.

Básicamente, tiene tres elementos por defecto:

  • Histograma en la parte superior que representa la distribución de una variable;

  • Histograma a la derecha que representa la distribución de otra variable;

  • Gráfico de dispersión en el centro que muestra la relación entre estas dos variables.

Aquí tienes un ejemplo de un joint plot:

Datos para el Joint Plot

seaborn tiene una función jointplot() que, de manera similar a countplot() y kdeplot(), tiene tres parámetros más importantes:

  • data;

  • x;

  • y.

Los parámetros x y y especifican las variables a graficar, que corresponden a los histogramas de la derecha y la parte superior. Estos parámetros pueden ser objetos tipo array o nombres de columnas cuando el parámetro data es un DataFrame.


              
12345678

            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width")
plt.show()
copy

El ejemplo inicial se ha recreado asignando un DataFrame al parámetro data y especificando los nombres de las columnas para x y y.

Gráfico en el Centro

Otro parámetro bastante útil es kind, que especifica el gráfico que se muestra en el centro. El valor predeterminado es 'scatter'. Otros gráficos posibles son: 'kde', 'hist', 'hex', 'reg', 'resid'. Se recomienda experimentar con diferentes tipos de gráficos:


              
12345678

            
import seaborn as sns
import matplotlib.pyplot as plt

# Loading the dataset with data about three different iris flowers species
iris_df = sns.load_dataset("iris")

sns.jointplot(data=iris_df, x="sepal_length", y="sepal_width", kind='reg')
plt.show()
copy

Tipos de gráficos

Aunque el diagrama de dispersión es la opción más común para el gráfico central, existen varias otras alternativas disponibles:

  • reg: Añade un ajuste de regresión lineal al diagrama de dispersión, útil para verificar la correlación entre variables;

  • resid: Muestra los residuos de una regresión lineal;

  • hist: Presenta un histograma bivariado para dos variables;

  • kde: Genera un gráfico KDE;

  • hex: Produce un gráfico hexbin, donde los hexágonos reemplazan los puntos individuales y el color del contenedor indica la densidad de los datos.

Note
Estudiar más

Como es habitual, puedes explorar más opciones y parámetros en la documentación de jointplot().

También es recomendable explorar los temas mencionados:
documentación de residplot();
Ejemplo de histograma bivariado;
Ejemplo de gráfico hexbin.

Tarea

Swipe to start coding

  1. Utilizar la función correcta para crear un gráfico conjunto.
  2. Usar weather_df como los datos para el gráfico (el primer argumento).
  3. Establecer la columna 'Boston' como la variable del eje x (el segundo argumento).
  4. Establecer la columna 'Seattle' como la variable del eje y (el tercer argumento).
  5. Configurar el gráfico central para que tenga una línea de regresión (el argumento más a la derecha).

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 5. Capítulo 5
Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
Lamentamos que algo salió mal. ¿Qué pasó?
some-alt