Pr oc es ami ent o
de dat os
Módulo 4:
Análisis e interpretación de datos
I nt r oduc c i ón
Obtención de los Daros.
Procesamiento de esos datos.
Análisis de los Datos.
Comunicar resultados.
Unidad 1
Tipos de datos y cómo analizarlos
Tema 1. Análisis exploratorio de datos
Fuente: [Link]
Pr egunt as por r eal i z ar nos
• ¿Existe algún tipo de estructura en los datos?
• ¿Dónde están centrados?
• ¿Cuál es la dispersión?
• ¿Cuál es la relación entre ellos?
• ¿Cómo sintetizar y presentar la información?
• ¿Hay sesgo en los datos seleccionados?
• ¿Hay errores de codificación?
• ¿Hay datos atípicos? ¿qué hacer con ellos?
• ¿Hay datos faltantes? ¿Qué hacer para recuperarlos? ¿Tiene
algún patrón?
Un EDA sigue una serie de pasos:
1. Familiarizarse con la naturaleza de los datos a analizar.
2. Realizar un examen gráfico y descriptivo de las variables.
3. Realizar un examen gráfico y descriptivo de la relación entre
variables.
4. Preparar los datos para aplicar cualquier técnica.
5. Identificar datos atípicos y evaluar el impacto que estos
provocan en el análisis.
6. Analizar el efecto de los datos faltantes y tomar decisiones.
Tema 2. Tipos de datos
• El porcentaje es “una proporción que toma como
referencia el número 100” (Real Academia Española,
2022, [Link]
• Una razón es “el cociente de dos números o, en general,
de dos cantidades comparables entre sí” (Real Academia
Española, 2022, [Link]
• Una tasa es definida a partir de la fracción entre dos
magnitudes, en general, relacionadas.
• Un índice es una expresión numérica de la relación entre
dos cantidades.
Tema 3. Funciones para explorar el dataset
Un objetivo fundamental de un EDA
es detectar valores atípicos, errores e
identificar diferentes patrones en los datos.
¿ Por qué v i s ual i z ar ?
Para registrar información
No se puede mostrar la imagen en este momento.
11
¿ Por qué v i s ual i z ar ?
Para señalar cosas interesantes
12
¿ Por qué v i s ual i z ar ?
Para señalar cosas interesantes
13
¿ Por qué v i s ual i z ar ?
Para comunicar información
14
¿ Por qué v i s ual i z ar ?
Para analizar datos
Elecciones US 2020 (NY Times)
15
Li br er í as de ut i l i dad
[Link] [Link] [Link] [Link] [Link]
[Link]/ org/ [Link]/
16
Numpy
• Paquete fundamental para computaci ón ci entífi ca.
• Muy rápi da – escri ta en C.
• Estructura pri nci pal de datos:
• ndarray: arregl os n-di mensi onal es de ti pos homogéneos de datos.
• Mani pul aci ón de datos ~ Mani pul aci ón de arregl os Numpy.
• Usado en otras l i brerías – Matpl otl i b, Pandas, Sci ki t-Learn.
17
Pandas
• Herrami enta fundamental para mani pul ar y anal i zar datos de entrada.
• Adecuada parti cul armente para datos tabul ares.
• Impl ementa operaci ones poderosas de datos.
• Estructuras de datos pri nci pal es:
• Dataframe: Una tabl a con fi l as y col umnas
• Seri es: Una si mpl e col umna
18
Mat pl ot l i b
• Usada para gráfi cos bási cos.
• Al tamente confi gurabl e.
• Trabaja con Numpy y Pandas.
19
Seabor n
• Usada para vi sual i zaci ón de datos estadísti cos.
• Usa menor si ntaxi s con buenos temas por defecto.
• Integrada para trabajar muy bi en con dataframes de Pandas.
• Uti l i za Matpl otl i b en forma i nterna.
20
Bok eh
• Usada para vi sual i zaci ón i nteracti va.
• Requi ere de web browser modernos.
• Se i ntegra con JavaScri pt.
21
Pr i nc i pal es t i pos de gr áf i c o
• Gráfi co de l íneas
• Gráfi co de barras
• Gráfi co de di spersi ón
• Gráfi co de cajas
• Hi stogramas
22
Gr áf i c o de l í neas
• Usado para datos numéri cos.
• Usado para mostrar tendenci as.
• Compara dos o más vari abl es a l o
l argo del ti empo.
• Se podría usar para hacer predi cci ones.
23
Gr áf i c o de bar r as
• Usado para categorías nomi nal es u
ordi nal es.
• Compara datos entre di ferentes
categorías.
• Ideal para más de 3 categorías.
• Puede mostrar l os cambi os de grandes
vol úmenes de datos a l o l argo del
ti empo.
24
Gr áf i c o de di s per s i ón
• Usado para vi sual i zar l a rel aci ón entre
dos vari abl es numéri cas.
• Usado para vi sual i zar correl aci ón en un
gran conjunto de datos.
• Predi ce el comportami ento de
vari abl es dependi entes en base a l as
medi das de l a vari abl e i ndependi ente.
25
Gr áf i c o de c aj as
• Tambi én conoci do como gráfi co de
bi gotes.
• Gráfi co estadísti co usado en conjuntos
de datos numéri cos.
• Muestra el rango, di stri buci ón y
centro.
• Usado para comparar datos de
di ferentes categorías.
26
Hi s t ogr amas
• Usado para datos conti nuos.
• Muestra l a frecuenci a de l a
di stri buci ón (forma).
• Resume grandes conjuntos de datos en
forma gráfi ca.
• Compara múl ti pl es di stri buci ones.
27
I nt er pr et ac i ón de
dat os y gr áf i c os
Gráfico de barras discreto
¿Cómo se interpretan estos datos?
¿Qué conclusiones podemos obtener
luego de observar el gráfico?
¿Qué ciudad tiene el mismo costo de
viaje independiente de la aerolínea?
Para viajar a Puerto Varas ¿qué
aerolínea conviene en términos de
costo?
I nt er pr et ac i ón de
dat os y gr áf i c os
Histograma
Histograma de precio de automóviles
I nt er pr et ac i ón de
dat os y gr áf i c os
Diagrama de caja
Boxplot del precio de automóviles
¡MUCHAS GRACIAS!
CONSULTAS?
37