¿Cómo dibujo y leo un histograma de una columna numérica?
Dibuja la duración de los viajes como histograma, ajusta los tramos y lee la forma: dónde se amontona, qué tan larga es la cola y qué queda lejos.
Curso gratis. Tu Maestro, una IA, .
Ya sabes qué es una fila de Rueda, qué tipo tiene cada columna y dónde faltan datos. En este módulo miras cada columna por dentro, empezando por la que más preguntas va a responder: duracion_min, cuánto dura cada viaje.
Un promedio o un máximo te dan un solo número. Un histograma te da la forma. Parte la columna en tramos del mismo ancho (de 0 a 5 minutos, de 5 a 10, de 10 a 15...) y dibuja una barra por tramo, tan alta como el número de viajes que caen en él. La altura no es la duración de un viaje: es cuántos viajes hay en ese tramo.
Con esa forma contestas tres preguntas que vas a repetir con cualquier columna numérica:
- ¿Dónde se amontona? El tramo con las barras más altas es lo común.
- ¿Hacia dónde se estira? Si las barras bajan despacio hacia un lado, la columna tiene una cola. Una cola a la derecha quiere decir pocos valores muy grandes.
- ¿Qué queda lejos? Barras solas, separadas del resto por tramos vacíos, son valores que vas a investigar.
Antes de dibujarlo, apuesta. Te adelanto dos datos: el viaje más corto dura 0.3 minutos y el más largo 1,452.6.
Comprueba lo que sabes: Sin ver la gráfica: ¿qué forma crees que tiene la duración de los viajes de Rueda?
Ahora dibújalo. En Altair, bin=True le pide a la gráfica que parta el eje en tramos y elija su ancho; según la documentación de Vega-Lite, maxbins vale 10 por omisión, así que usa hasta 10 tramos. count() cuenta los viajes de cada tramo.
Vas a ver un problema que pasa seguido con columnas como esta: casi todo cae en una sola barra. No es que todos los viajes duren lo mismo. Tres viajes de más de 1,300 minutos estiran el eje hasta 1,600, y con tramos de 200 minutos los 300 viajes restantes caben juntos en el primero. Para ver la forma de lo común, mira por separado la parte donde vive casi todo.
La gráfica es un histograma de toda la columna y casi todo queda en una barra. Agrega al final .transformfilter("datum.duracionmin < 120") para mirar solo los viajes de menos de 120 minutos, y cambia bin=True por bin=alt.Bin(maxbins=40) para tener tramos más finos. Ya terminaste
Tu turno
La gráfica es un histograma de toda la columna y casi todo queda en una barra. Agrega al final .transform_filter("datum.duracion_min < 120") para mirar solo los viajes de menos de 120 minutos, y cambia bin=True por bin=alt.Bin(maxbins=40) para tener tramos más finos. Ya terminaste cuando veas dónde se amontonan los viajes y hacia dónde se estira la cola.
La gráfica se vuelve a dibujar cuando haces una pausa, o al momento con Ejecutar. Ctrl+Enter ejecuta tu código. Tab agrega sangría; para salir del editor, presiona Escape y luego Tab.
Listo para ejecutar tu código.
Datos: viajes-rueda, 311 filas
Enter guarda una celda y Escape la deja como estaba. Deja una celda vacía para un valor faltante.
| Fila | Quitar | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | ||||||||||
| 2 | ||||||||||
| 3 | ||||||||||
| 4 | ||||||||||
| 5 | ||||||||||
| 6 | ||||||||||
| 7 | ||||||||||
| 8 | ||||||||||
| 9 | ||||||||||
| 10 | ||||||||||
| 11 | ||||||||||
| 12 | ||||||||||
| 13 | ||||||||||
| 14 | ||||||||||
| 15 | ||||||||||
| 16 | ||||||||||
| 17 | ||||||||||
| 18 | ||||||||||
| 19 | ||||||||||
| 20 |
Con el filtro y los tramos finos aparece la forma. Léela de izquierda a derecha.
Casi no hay viajes de menos de 5 minutos. Entre 10 y 30 minutos está el montón: ahí caen 228 de los 300 viajes de menos de 120 minutos. Después las barras bajan y se vuelven escasas: 8 viajes pasan de 45 minutos y uno solo pasa de 60. A esa forma, con el montón a la izquierda y la cola hacia la derecha, se le llama sesgada a la derecha. Es la forma típica de duraciones, montos y tiempos de espera: hay un piso (nada dura menos de cero) y no hay techo.
Dos cuidados. El filtro < 120 es para mirar, no para limpiar: los tres viajes larguísimos siguen en la tabla y en tu bitácora, y en la página de errores o reales decides qué son. Y el número de tramos cambia lo que ves: con muy pocos, la forma se esconde; con demasiados, cada barra tiene uno o dos viajes y la gráfica parece ruido. Prueba cambiar maxbins a 10 y a 100 y compara.
La gráfica de abajo muestra los mismos viajes de otra forma: una rayita por viaje, separados por tipo de usuario. Avanza paso a paso.
Paso 1 de 5
La gráfica entera
Cada rayita es un viaje de menos de 120 minutos, en la fila de su tipo de usuario. Donde las rayitas se enciman hasta parecer una mancha, hay muchos viajes.
Inténtalo con otra tabla
La forma de una columna es lo primero que anotas de ella. En tu bitácora, para duracion_min, podría quedar así: montón entre 10 y 30 minutos, cola a la derecha hasta 96; tres viajes de más de 1,300 y seis de menos de 1, por revisar. Si te cuesta poner la forma en palabras, pídele a tu Maestro que te ayude a describirla.
Ahora la misma situación con otros datos.