Ejercicio de visualizacion de informacion con Pandas

Este es un pequenio ejercicio para revisar las diferentes graficas que nos permite generar Pandas.

NOTA: Utilizar el archivo df3 que se encuentra en la carpeta data



In [2]:

    
import pandas as pd
import matplotlib.pyplot as plt
df3 = pd.read_csv('../data/df3')
%matplotlib inline



In [3]:

    
df3.info()









    



<class 'pandas.core.frame.DataFrame'>
RangeIndex: 500 entries, 0 to 499
Data columns (total 4 columns):
a    500 non-null float64
b    500 non-null float64
c    500 non-null float64
d    500 non-null float64
dtypes: float64(4)
memory usage: 15.7 KB



In [4]:

    
df3.head()

Recrea la siguiente grafica de puntos de b contra a.



In [4]:









    Out[4]:





<matplotlib.axes._subplots.AxesSubplot at 0x1176a7da0>

Crea un histograma de la columna 'a'.



In [5]:









    Out[5]:





<matplotlib.axes._subplots.AxesSubplot at 0x1177a2860>

Las graficas se ven muy bien, pero deseamos que se vean un poco mas profesional, asi que utiliza la hoja de estilo 'ggplot' y genera el histograma nuevamente, ademas investiga como agregar mas divisiones.



In [6]:



In [7]:









    Out[7]:





<matplotlib.axes._subplots.AxesSubplot at 0x11a87b908>

Crea una grafica de cajas comparando las columnas 'a' y 'b'.



In [8]:









    Out[8]:





<matplotlib.axes._subplots.AxesSubplot at 0x1177c4a20>

Crea una grafica kde plot de la columna 'd'



In [9]:









    Out[9]:





<matplotlib.axes._subplots.AxesSubplot at 0x11abb6278>

Crea una grafica de area para todas las columnas, utilizando hasta 30 filas (tip: usar .ix).



In [15]:









    Out[15]:





<matplotlib.axes._subplots.AxesSubplot at 0x11ccdfbe0>

	a	b	c	d
0	0.336272	0.325011	0.001020	0.401402
1	0.980265	0.831835	0.772288	0.076485
2	0.480387	0.686839	0.000575	0.746758
3	0.502106	0.305142	0.768608	0.654685
4	0.856602	0.171448	0.157971	0.321231