Cómo crear atractivas clasificaciones de países utilizando Python y Matplotlib
Crear clasificaciones atractivas de países con Python y Matplotlib.
Tutorial de Matplotlib
Una hermosa alternativa a los gráficos de líneas estándar
![Gráfico creado por el autor](https://miro.medium.com/v2/resize:fit:640/format:webp/1*z135WELh4ci7PRBzBoWIPQ.png)
Hola, y bienvenido a este tutorial, donde te enseñaré a crear el gráfico de arriba usando Python y Matplotlib.
Lo que me gusta de esta visualización de datos es su forma limpia y hermosa de mostrar cómo los países se clasifican entre sí en una métrica particular.
La alternativa de usar un gráfico de líneas estándar que muestra los valores reales se vuelve confusa si algunos países están cerca entre sí o si algunos países superan a otros por mucho.
Si quieres acceder al código de este tutorial, puedes encontrarlo en este repositorio de GitHub.
- La Associated Press y otras organizaciones de noticias desarrollan estándares para la inteligencia artificial en la sala de redacción
- Función de Llamada Integra tu Chatbot GPT con cualquier cosa
- Herramienta LLM encuentra y remedia vulnerabilidades de software
Sobre los datos
He creado un simple CSV que contiene los valores del PIB de las diez economías más grandes de hoy para este tutorial.
![Captura de pantalla por el autor](https://miro.medium.com/v2/resize:fit:640/format:webp/1*SwoZ1kfRNshpPt_xnMOTEg.png)
Los datos provienen del Banco Mundial, y el nombre completo del indicador es “PIB (dólares estadounidenses constantes de 2015)”.
Si quieres saber más sobre las diferentes formas de medir el PIB, puedes ver esta historia, donde uso el mismo tipo de visualización de datos.
4 Gráficos sobre las economías más grandes de nuestro planeta que mejorarán tu comprensión del mundo
Dicen que el conocimiento es poder.
VoAGI.datadriveninvestor.com
Continuemos con el tutorial.
Paso 1: Creando clasificaciones
El primer paso es clasificar los países para cada año en el conjunto de datos, lo cual es fácil de hacer con pandas.
def create_rank_columns(df, columns): rank_columns = ["rank_{}".format(i) for i in range(len(columns))] for i, column in enumerate(columns): df[rank_columns[i]] = df[column].rank(ascending=False) return df, rank_columns
Las columnas resultantes se ven así.
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
- 10 Mejores Herramientas Generadoras de Imágenes de IA para Usar en 2023
- William Wu, Fundador y CEO de Artisse – Serie de Entrevistas
- Más allá de Photoshop Cómo Inst-Inpaint está revolucionando la eliminación de objetos con modelos de difusión
- 11 Generadores de Video de IA para Usar en 2023 Transformando Texto en Video
- Investigadores de Ciencias de la Computación crean robots modulares y flexibles
- Generación de Texto a Video Guía paso a paso
- Construye características de aprendizaje automático a gran escala con Amazon SageMaker Feature Store utilizando datos de Amazon Redshift