¿Cómo veo la relación entre dos columnas sin afirmar una causa?
Pon dos columnas en la misma gráfica, lee si se mueven juntas y separa lo que la tabla dice de lo que no puede decir.
Curso gratis. Tu Maestro, una IA, .
Hasta aquí miraste cada columna sola. Muchas de las preguntas que te van a hacer juntan dos: ¿los viajes más largos son los de más distancia?, ¿a qué hora viaja cada tipo de usuario? En este módulo pones dos columnas en la misma gráfica y escribes en tu bitácora lo que ves.
La gráfica depende de qué tipo son las dos columnas:
- Dos números, como distancia y duración: una gráfica de dispersión, un punto por fila.
- Un número y una categoría, como duración y tipo de usuario: la rayita por viaje que viste en el histograma, o un resumen por grupo.
- Una fecha y un conteo, como la hora de inicio: barras por hora o por día.
En la de dispersión buscas tres cosas: si los puntos suben o bajan juntos (una tendencia), qué tan apretados van (si la tendencia es firme o vaga) y si hay grupos de puntos que se portan distinto. Ese último punto es el que más se te va a escapar.
Apuesta antes de dibujar. Ya sabes que hay 32 viajes de 0 km: salen y vuelven a la misma estación.
Comprueba lo que sabes: Vas a dibujar la duración contra la distancia de cada viaje de menos de 120 minutos. ¿Dónde crees que caen los 32 viajes de ida y vuelta?
La gráfica pone un punto por viaje de menos de 120 minutos. Agrega color=alt.Color("tipousuario:N", title="Tipo de usuario") dentro de encode para ver quién hace cada tipo de viaje. Ya terminaste cuando distingas los viajes de ida y vuelta y sepas de qué color son la mayoría.
Tu turno
La gráfica pone un punto por viaje de menos de 120 minutos. Agrega color=alt.Color("tipo_usuario:N", title="Tipo de usuario") dentro de encode para ver quién hace cada tipo de viaje. Ya terminaste cuando distingas los viajes de ida y vuelta y sepas de qué color son la mayoría.
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 |
Los puntos con distancia suben hacia la derecha: más kilómetros, más minutos, con bastante dispersión alrededor. Y en 0 km hay una columna aparte. Con color se ve quién la forma: de los 32 viajes de ida y vuelta, 16 son de ocasionales. Parecen pocos, pero los ocasionales hacen solo 71 de los 311 viajes; los suscriptores, con 240, hacen los otros 16. Para un ocasional, ir y volver es mucho más común.
Hay un número que resume qué tan cerca de una línea recta van dos columnas: la correlación (corr() de pandas calcula la de Pearson por omisión), que va de -1 a 1. Cerca de 1, suben juntas casi en línea; cerca de 0, no hay línea que las una. Con los 300 viajes de menos de 120 minutos, la correlación entre distancia y duración es de 0.31: débil. Sin los viajes de 0 km, sube a 0.75. Los paseos de ida y vuelta, que tienen distancia 0 y duración de todo tipo, esconden una relación que sí existe entre los viajes de un lugar a otro. Compruébalo tú.
Corre el código para ver la correlación con todos los viajes de menos de 120 minutos. Luego calcula la misma correlación solo con los viajes que tienen distancia mayor que 0.
Corre el código para ver la correlación con todos los viajes de menos de 120 minutos. Luego calcula la misma correlación solo con los viajes que tienen distancia mayor que 0.
Ejecuta tu código para ver lo que imprime y el valor de su última expresión. Cada ejecución empieza de nuevo. Ctrl+Enter ejecuta tu código. Tab agrega sangría; para salir del editor, presiona Escape y luego Tab.
Listo para ejecutar tu código.
Ejecuta tu código para ver su salida aquí.
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 |
Que dos columnas se muevan juntas no dice por qué. Aquí la explicación parece obvia (más lejos tarda más), pero muchas veces no lo es, y la tabla nunca lo dice sola. Mira este caso de Rueda: la mediana de duración de los ocasionales es de 27.35 minutos y la de suscriptor de 17.4. ¿Por qué?
Comprueba lo que sabes: Los ocasionales de Rueda tienen una mediana de 27.35 minutos por viaje y los suscriptores de 17.4. ¿Qué puedes concluir con esta tabla?
La tercera combinación es el tiempo. Una columna de fecha y hora como inicio se puede partir en horas, días o días de la semana, y contar los viajes de cada parte. En Altair, hours(inicio) se queda con la hora del día de cada viaje.
Inténtalo: a qué hora viaja cada quien
La gráfica cuenta los viajes por hora de inicio. Agrega color=alt.Color("tipousuario:N", title="Tipo de usuario") dentro de encode y compara a qué horas viaja cada tipo de usuario. Ya terminaste cuando puedas decir en qué horas se juntan los suscriptores y en cuáles los ocasional
Tu turno
La gráfica cuenta los viajes por hora de inicio. Agrega color=alt.Color("tipo_usuario:N", title="Tipo de usuario") dentro de encode y compara a qué horas viaja cada tipo de usuario. Ya terminaste cuando puedas decir en qué horas se juntan los suscriptores y en cuáles los ocasionales.
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 |
Los suscriptores (sumando las dos etiquetas) tienen dos picos claros: 36 viajes que empiezan a las 8 y 37 a las 18. Es el patrón de ir al trabajo o a la escuela y volver. Los ocasionales casi no aparecen a esas horas y se reparten entre las 11 y las 15, con 13 viajes a las 15. Y vuelve a salir el tercer color, Suscriptor: la etiqueta que encontraste en categorías sigue partiendo cada gráfica por tipo de usuario hasta que alguien la arregle.
Para tu bitácora, una relación se anota como cualquier hallazgo: qué se mueve con qué, qué tan firme es y qué grupo se porta distinto. Por ejemplo: duración y distancia: correlación 0.75 sin los viajes de ida y vuelta, 0.31 con ellos; los ocasionales hacen la mitad de los de ida y vuelta. Si quieres probar otra combinación, pídele ideas a tu Maestro. Y si te preguntan por una causa, ensaya con tu Maestro cómo contestar.