¿Cómo reviso las categorías de una columna con value_counts()?

No todas las columnas son números. tipo_usuario, estacion_origen y estacion_destino guardan etiquetas: cada valor nombra un grupo. Con ellas no tiene sentido un promedio ni un histograma. Lo que preguntas es otra cosa: qué valores hay y cuántas filas tiene cada uno.

Esa pregunta encuentra problemas que ninguna otra revisión encuentra: una etiqueta escrita de dos formas, un grupo que no debería existir, una categoría con tres filas que nadie esperaba. Y te dice algo del negocio: qué estaciones mueven más viajes, qué tanto pesan los ocasionales.

Empieza con una apuesta. La descripción de la columna tipo_usuario en el dataset dice: suscriptor (con membresía) u ocasional (pase de un día).

El conteo se hace con value_counts(): lista cada valor distinto con el número de filas que lo tienen, del más común al menos común. Es probablemente el comando que más vas a usar en un primer vistazo.

Salen tres etiquetas: suscriptor 228, ocasional 71 y Suscriptor, con mayúscula, 12. Para una computadora, suscriptor y Suscriptor son tan distintas como suscriptor y ocasional. Si agrupas por tipo de usuario sin darte cuenta, tu reporte tendrá tres grupos, y los 12 viajes de Suscriptor quedarán fuera de cualquier cifra de suscriptores.

Antes de anotar "hay una etiqueta mal escrita", pregunta de dónde sale. Doce filas que se parecen en algo suelen tener una causa común.

Los 12 salieron de la misma estación, Terminal de Autobuses, y el primero empezó el 9 de marzo a las 7:07. El último viaje de suscriptor en minúsculas que salió de esa estación fue el 8 de marzo a las 14:37. Algo cambió en esa estación entre el 8 y el 9: quizá una terminal nueva que escribe la etiqueta con mayúscula. Es una hipótesis para confirmar con quien opera Rueda.

En tu bitácora: tipo_usuario tiene 3 valores; Suscriptor (12 filas) sale solo de Terminal de Autobuses desde el 9 de marzo 7:07; probablemente son suscriptores; agrupar con cuidado. Unificar las etiquetas ya es limpiar, y eso se ve en el curso Limpia tus datos. Aquí basta con encontrarlo y escribirlo.

Con las estaciones el conteo cuenta otra historia: cuáles mueven más viajes. Una lista de 12 números se lee mejor como gráfica de barras, si la ordenas.

Ordenada, la gráfica se lee de un vistazo: Centro Histórico, con 58 viajes, casi duplica a la segunda, Hospital General, con 33. Le siguen Universidad y Plaza de Armas con 32 cada una. Al final quedan Las Flores y Estadio, con 10. Una categoría con pocas filas no es un problema, pero cualquier cifra que calcules para ella, como la duración mediana, descansa en muy pocos viajes; anótalo si vas a compararlas.

Ordenar por conteo es casi siempre lo que quieres: el orden alfabético solo sirve para buscar un nombre. Si te preguntas cuándo conviene otro orden, pregúntale a tu Maestro.

Inténtalo con otra tabla