Summary  
This chapter covers how to explore numerical data distributions by creating histograms and overlaying kernel density estimate curves using Seaborn’s `histplot` function in Python.

General domain of usage  
Data science exploratory analysis

Antes de poder extraer conclusiones significativas de un conjunto de datos, es necesario comprender su estructura y características clave. Este proceso se denomina **exploración de datos**. Consiste en examinar los datos desde diferentes perspectivas, resumir sus principales características y visualizar patrones importantes. La exploración de datos permite identificar tendencias, valores atípicos y posibles problemas antes de realizar un análisis estadístico más profundo.

Una de las herramientas más útiles para explorar datos numéricos es el **histograma**. Un histograma es un tipo de gráfico de barras que muestra la frecuencia con la que aparecen diferentes rangos de valores en el conjunto de datos. Cada barra representa un rango de valores (llamado "bin"), y la altura de la barra indica cuántos datos se encuentran en ese rango. Los histogramas facilitan la visualización de la distribución, el centro y la dispersión de los datos de manera rápida.

En Python, se pueden crear histogramas fácilmente utilizando la función `histplot` de la biblioteca **seaborn**. La función `histplot` toma los datos y muestra su distribución en forma de histograma. También es posible añadir una curva de **estimación de densidad de núcleo** (KDE) al gráfico, que proporciona una aproximación suave de la distribución de los datos. Esto ayuda a comprender mejor los patrones subyacentes en los datos.

Utilizará la función `histplot` para visualizar la distribución de las masas corporales de los pingüinos en las próximas tareas. Esto le permitirá explorar el conjunto de datos y prepararse para un análisis estadístico posterior.

import unittest
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestDataReading(unittest.TestCase):
    def test_data_loaded(self):
        import user_code

        expected_data = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/section_1/confidence.csv',
            index_col=0
        )

        condition = (
            isinstance(user_code.data, pd.DataFrame)
            and user_code.data.shape == expected_data.shape
        )

        _dynamic_test(
            self,
            condition,
            "The CSV file is correctly read into the 'data' variable.",
            "The CSV file is not read correctly into the 'data' variable."
        )


class TestPlot(unittest.TestCase):
    def test_histplot(self):
        import user_code

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾, ÑÐ¸ ÑÑÐ²Ð¾ÑÐµÐ½Ð¾ Ð³ÑÐ°ÑÑÐº Ð· seaborn.histplot
        plot_obj = user_code.plot

        condition = (
            hasattr(plot_obj, "get_xlabel")
            and plot_obj.get_xlabel() == "The Mass"
            and plot_obj.get_ylabel() == "The Quantity"
        )

        _dynamic_test(
            self,
            condition,
            "The histplot is created with correct parameters.",
            "The histplot parameters are incorrect."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Construya una base sólida en estadística utilizando Python. Aprenda conceptos estadísticos esenciales y aplíquelos a través de NumPy y pandas. Avance desde medidas básicas como la media y la varianza hasta pruebas de hipótesis, intervalos de confianza y obtención de conclusiones basadas en datos mediante práctica práctica.

Descubra los principios estadísticos fundamentales, incluidos los tipos de datos, las medidas de tendencia central y las diferencias clave entre muestras y poblaciones.

Aprenda a calcular e interpretar la media, mediana y moda utilizando Python. Practique estas operaciones con pandas para analizar conjuntos de datos reales.

Comprender cómo la varianza y la desviación estándar miden la dispersión de los datos. Aprender a calcular ambas manualmente y utilizando herramientas de Python.

Explora cómo la covarianza y la correlación describen las relaciones entre variables. Practica el cálculo y la comparación de ambas métricas en Python.

Domina los intervalos de confianza para estimar parámetros poblacionales. Utiliza NumPy, pandas y bibliotecas de visualización para calcular e interpretar intervalos con datos reales.

Aprenda los fundamentos de las pruebas de hipótesis y la prueba t. Comprenda cómo diseñar, realizar e interpretar pruebas utilizando Python para respaldar decisiones basadas en datos.

Explorar el Conjunto de Datos

Solución