Como hacer Ciencia de Datos (Data Science) a los productos de una Tienda de Postres – Parte 19 (Final)

4 minuto(s)

Demo Github

Continuamos con el capitulo anterior llamado Como hacer Análisis a los productos de una Tienda de Postres mediante Data Science – Parte 18 en donde creamos reportes de los Datos de Bebidas Consumidas según el Horario de la tienda en horario de la mañana, tarde  y noche, en esta Parte 19 y última de este tutorial vamos a revisar otras herramientas para visualizar datos, vamos con este Post. 

Partes

Antes de continuar, te invito a leer los siguientes artículos:

Asimismo te invito a escuchar el Podcast: “Dominio del trabajo con Varios Lenguajes de Programación”:

Spotify SoundCloud

Bien ahora continuemos con el Post: Como hacer Análisis a los productos de una Tienda de Postres mediante Data Science – Parte 19 (Final). 

En el transcurso del tutorial, utilizamos la librería matplotlib.pyplot para generar gráficos y visualizar los datos respectivos en ellos, con esta librería podemos hacer geniales cosas para representar nuestros datos, pero también existen otras herramientas de visualización interesantes que nos permite realizar cosas increíbles.

La visualización de Datos es parte fundamental de la Ciencia de Datos (Data Science), voy a compartirte el nombre de la librería, su página web, una descripción y una imagen de referencia, en otros tutoriales te enseñare como visualizar datos con estas librerías que veremos a continuación.

Existen varias librerías para visualizar datos, te compartiré las más destacadas.

Plotly

Web: Visitar

Esta librería nos permite crear visualizaciones de datos muy interactivas para los usuarios, tiene compatibilidad con Jupyter Notebook y navegadores web, nos ofrece la posibilidad de compartir cualquier gráfico de datos con otros usuarios. También nos permite  trabajar con gráficos avanzados en 3D, visualizaciones basadas en mapas, gráficos científicos, etc.

Asimismo te permite crear ciertas animaciones, como si contaras un historia a través de visualizaciones.

ggplot

Web: Visitar

Esta librería es la versión para Python de la famosa librería ggplot2 que es usada con el Lenguaje de Programación R, si la has usado antes, debes saber lo sencillo que es crear gráficos mediante esta biblioteca. Si buscas crear un gráfico de datos rápidamente, esta opción es la ideal.

Seaborn

Web: Visitar

Esta librería es una de las mas destacadas de esta lista, nos  brinda gráficos hermosos y bonitos para mostrar nuestros datos, con tan solo unas cuantas líneas  de código. Seaborn admite una gran cantidad de gráficos complejos como el catploy, distplot, swarm plot, entre otros.

Seaborn esta construido sobre matplotlib, tiene compatibilidad con las estructuras de datos de pandas y cuenta con otras características que las podemos descubrir haciendo uso de estas herramientas.

Altair

Web: Visitar

Esta librería tiene como principio que en lugar de enfocarse en la parte del código Python, el usuario se debe enfocar en la parte de visualización de datos, escribir la menor cantidad de código posible y lograr bonitas y sutiles tramas, Altair usa un estilo declarativo para crea trazos, esta hace que sea rápido y fácil iterar en las visualizaciones y experimentos de manera rápida.

Bokeh

Web: Visitar

Esta librería ha sido diseñada para generar visualizaciones amigables para la interfaces web y navegadores, permiten implementar y manipular opciones de configuración lo que lo hace un gráfico interactivo para el usuario. Admite visualizaciones como diagramas geoespaciales, gráficos de red, entre otros. También puedes exportar los gráficos a través de JavaScript.

Puedes utilizar estas librerías que son gratuitas para tus proyectos de Ciencia de Datos (Data Science) y quedarte con la que mejor te agrade.

Conclusión

En este tutorial hemos aprendido a realizar análisis de datos mediante Ciencia de Datos (Data Science), eso te dará una idea para entender que pasos debes seguir y considerar para trabajar con Ciencia de Datos (Data Science) .

Tu puedes analizar cualquier tipo de datos que se haya almacenado en una base de datos, obtener resultados y llevar acabo una optima toma de decisiones para lograr tus objetivos.

Nota (s)

  • Los pasos compartidos en este tutorial, pueden cambiar o continuar, esto no depende de mi, si no de los Desarrolladores que dan soporte a Jupyter Notebook y Python.
  • El código compartido a lo largo de este tutorial, pueden cambiar o continuar, esto no depende de mi, si no de los Desarrolladores que dan soporte a Python.
  • No olvides que debemos utilizar la tecnología para hacer cosas buenas por el mundo. 

Síguenos en las Redes Sociales para que no te pierdas nuestros próximos contenidos.