Crea gráficos de espagueti hermosos (y útiles) con Python
Crea gráficos de espagueti con Python
¡Los gráficos de líneas apiladas están muy de moda en este momento!
Últimamente ha habido muchos artículos sobre el cambio climático, y muchos de ellos presentan gráficos de líneas apiladas que resumen datos a lo largo de varias décadas. Aquí tienes un ejemplo del Climate Reanalyzer que muestra cómo las temperaturas del mar durante el último año y medio han estado por encima del promedio [1]:
Y aquí tienes un gráfico similar del sitio del Dr. Zachary Labe que muestra la extensión del hielo marino antártico durante los últimos 40 años [2]:
Estos gráficos se han convertido en una opción popular para infografías, como en este artículo, pero esta popularidad es un poco sorprendente [3]. Debido a la dificultad de seguir líneas individuales en estas representaciones densas y enredadas, generalmente se evitan y se desacreditan como “gráficos espagueti”.
Pero hay un secreto para utilizar gráficos espagueti con éxito. Debes enfatizar una o dos líneas en contraste con un fondo disminuido de todas las demás líneas. Esta estrategia te permite colocar las líneas seleccionadas dentro de un contexto general. ¿Representan resultados normales o son valores atípicos? ¿Los resultados son realmente buenos o realmente malos? Al superponerlos en una tendencia de fondo, la historia se escribe sola.
- Tus datos (finalmente) están en la nube. Ahora, deja de actuar como si estuvieran en las instalaciones físicas.
- Creando animación para mostrar 4 algoritmos de agrupamiento basados en centroides usando Python y Sklearn
- Kris Nagel, CEO de Sift – Serie de Entrevistas
En este proyecto de Ciencia de Datos de Éxito Rápido, vamos a producir una réplica del gráfico anterior del hielo marino antártico utilizando la biblioteca de gráficos Plotly Express. Con este ejemplo de código, deberías poder generar gráficos similares para tus propios conjuntos de datos.
Centro Nacional de Datos de Nieve y Hielo
Para los datos, utilizaremos un conjunto de datos público y exhaustivo compilado por el Centro Nacional de Datos de Nieve y Hielo, que forma parte del Instituto Cooperativo de Investigación en Ciencias Ambientales (CIRES) de la Universidad de Colorado, Boulder [4]. Este conjunto de datos utiliza imágenes satelitales para rastrear y monitorear los cambios en el hielo marino polar, como el “halo” de hielo alrededor de la Antártida.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Esta investigación de IA propone Strip-Cutmix un método de aumento de datos más adecuado para la reidentificación de personas
- El Proceso de IA
- 5 Formas en las que puedes utilizar el intérprete de código de ChatGPT para Ciencia de Datos
- Por qué la API de OpenAI es más cara para los idiomas que no son inglés
- Desenmascarando Deepfakes Aprovechando los patrones de estimación de la posición de la cabeza para mejorar la precisión de detección
- Este boletín de inteligencia artificial es todo lo que necesitas #60
- Qué saber sobre StableCode el generador de código de IA de Stability AI