Visualizando y Exportando en Pandas - Analiza tus datos con Pandas en Python parte 3

EvoAcademy -

En estas partes vamos a ver como visualizar y exportar datos usando Pandas

💡
Este artículo es parte de nuestro curso sobre Pandas. Revisa el curso completo e inscríbete aquí. Revisa la parte 2 de esta guía aquí.

Visualizando datos

Existen varias librerías para graficar datos. Las más conocidas son Matplotlib y Seaborn.

Sin embargo, Pandas también contiene algunas funciones, basadas en Matplotlib, para crear visualizaciones.

Nota: En general, en el eje de las x suele ir la etiqueta, y en el eje de las y el dato.

Vamos a configurar nuestro archivos inicial

import pandas as pd
df_artistas = pd.read_excel("https://docs.google.com/uc?export=download&id=1bqVTtpAF50QSlrtB6DjfeHx1w9UKT7O3")
❗
Encuentra todo el código asociado a este post en este notebook de Google Colab

Gráfico de barra

df_artistas.plot.bar(x="Artista", y="Spotify streams (millones)")

Gráfico de barra horizontal

df_artistas.plot.barh(x="Artista", y="Spotify streams (millones)")

Gráfico de torta

Para este gráfico añadiremos dos argumentos

  • labels: Este argumento especifica las etiquetas que se mostrarán.
  • legend: Este argumento controla si se mostrará o no la leyenda en el gráfico. La leyenda generalmente proporciona información sobre el significado de los colores o las porciones en el gráfico. En este caso si la activas bloquea un poco la información.
df_artistas.plot.pie(x="Artista", y="Spotify streams (millones)", labels=df_artistas.Artista, legend=False)

Gráfico de linea

df_dolar = pd.read_excel("https://docs.google.com/uc?export=download&id=1Uc7kM-jM0vqFlXfjdTPJSIWvniORiKIx")
df_dolar.plot.line(x="Dia", y="Valor")

# Nota: la base de datos viene con fechas en blanco, y por ende el grafico se verá "cortado".
# Para corregir eso se puede hacer con dropna() (ver sección eliminando datos vacios)

Exportando DataFrames

Una vez creados y manipulados, los datos se pueden escribir utilizando algunos de estos comandos

  • df.to_csv(...) # Archivo separado por comas
  • df.to_sql(...) # Base de datos SQL
  • df.to_excel(...) # Libro de Excel
  • df.to_json(...) # JSON
  • df.to_html(...) # Tabla para sitio web

Entre otros.

Por ejemplo, ejecuta este código y luego revisa los archivos de este colab haciendo click en el ícono de carpeta (📁) del menú lateral. Podrás descargar el archivo desde ahí y luego verlo directo en tu PC.

df_artistas.to_excel("artistas.xlsx")

Luego en Excel, la información luce así

Accede a nuestro curso

Este artículo es parte de nuestro curso sobre Pandas. Revisa el curso completo e inscríbete aquí.