Día 5: Resumen y Ejercicios Finales

Día 5: Resumen y Ejercicios Finales

Bienvenida

¡Hola de nuevo! 🌟 Hoy es el último día de nuestro curso de Seaborn . Repasaremos los conceptos clave y realizaremos ejercicios finales para consolidar tus conocimientos. ¡Vamos a cerrar con broche de oro!

Resumen de Conceptos Clave

  • Tipos de Gráficos : Line plots, bar plots, scatter plots, heatmaps, boxplots, violin plots, etc.
  • Mejoras Estadísticas : Histogramas con KDE, regresiones lineales, distribuciones.
  • Datos Categóricos : Count plots, bar plots por categoría, boxplots.
  • Personalización : Temas, paletas de colores, ajustes de estilo.

Ejercicio Final

Crea un conjunto de gráficos que incluya:

  1. Un line plot para mostrar tendencias.
  2. Un heatmap para visualizar correlaciones.
  3. Un boxplot para comparar distribuciones.
  4. Un scatter plot con una línea de regresión.
# Datos
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# DataFrame de ejemplo
df = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [2, 4, 6, 8, 10],
    'Categoria': ['A', 'B', 'A', 'B', 'C']
})

# Line Plot
sns.lineplot(x='X', y='Y', data=df)
plt.title('Line Plot')
plt.show()

# Heatmap
matriz = df.corr()
sns.heatmap(matriz, annot=True, cmap='coolwarm')
plt.title('Heatmap')
plt.show()

# Boxplot
sns.boxplot(x='Categoria', y='Y', data=df)
plt.title('Boxplot')
plt.show()

# Scatter Plot con Regresión
sns.regplot(x='X', y='Y', data=df)
plt.title('Scatter Plot con Regresión')
plt.show()

Resultado de Ejecución:

resultado de ejercicio

resultado de ejercicio

resultado de ejercicio

resultado de ejercicio

Preguntas del Día 5

Prueba tus conocimientos sobre Seaborn

¿Qué tipo de gráfico es ideal para visualizar correlaciones entre variables?

¿Qué función se utiliza para agregar una línea de regresión en un scatter plot?

Ejercicios con Seaborn

  • Crea un heatmap para visualizar la matriz de correlaciones de un DataFrame.

  • Combina un scatter plot con una línea de regresión para analizar la relación entre dos variables.


¡Felicidades por completar este curso intensivo de Seaborn! 🎊 Ahora tienes las herramientas necesarias para crear visualizaciones sofisticadas y profesionales en Python. Estas habilidades son fundamentales para proyectos de análisis de datos y machine learning. ¡Sigue practicando y explorando nuevas técnicas para fortalecer tus conocimientos! Gracias por acompañarme en este viaje. ¡Nos vemos en futuros proyectos! 😊