Contents

Clase 15: gráficos pro con Plotly

En esta clase usaremos la libería plotly para ver visualizaciones y tablas. Plotly es un paquete potente que permite realizar gráficos interactivos de gran calidad visual. Veremos:

  • Cómo instalar

  • Tablas

  • Gráfico de líneas

  • Gráfico de puntos (scatter)

  • Gráfico de barras

  • Gráfico de torta

  • Gráfico de burbujas

  • Mapas de calor

  • Histogramas

  • Gráficos de error

  • Bráfico de cajas

1. Introducción

La librería plotly es una librería de python open-source que soporta más de 40 tipos de gráficos interactivos, en el ámbito estadístico, financiero, geográfico, científico, etc.

Esta librería requiere algunos pasos adicionales en su instalación con respecto a otras librerías.

El detalle de la instalación lo pueden encontrar en el siguiente link: https://plotly.com/python/getting-started/

Pasos para instalar plotly:

  1. Abrir el Compand Prompt en Anaconda (pantalla negra). Los siguientes códigos los debe colocar en esta terminal.

  2. Pueden instalar mediante pip o conda:

    • pip install plotly==4.14.3

    • conda install -c plotly plotly=4.14.3

  3. Si van a trabajar desde Jupyter Notebook deben instlar los siguientes paquetes adicionales usando pip o conda:

    • pip install “notebook>=5.3” “ipywidgets>=7.5”

    • conda install “notebook>=5.3” “ipywidgets>=7.5”

  4. Si trabajan con JupyterLab deben instalar usando pip o conda:

    • pip install jupyterlab “ipywidgets>=7.5”

    • conda install jupyterlab “ipywidgets>=7.5”

  5. Instalar nodejs:

    • Chequear si tiene instalado el programa. En el Command Prompt ejecutar node -v, le va a mostrar si tiene instalado el programa y qué versión tiene. Si lo tiene instalado saltar los siguientes dos pasos.

    • Descargar el instalador para su sistema operativo: https://nodejs.org/es/download/

    • Ejecutar el archivo instalado

  6. Una vez tenga chequeado que tiene instalado el nodejs ejecutar:

    • jupyter labextension install jupyterlab-plotly@4.14.3

    • Ver si la instalación arroja algún error!

Una vez realizados estos 6 pasos, debería poder ejecutar el siguiente código en un JupyterLab y le debería mostrar un gráfico de barras.

import plotly.graph_objects as go
fig = go.Figure(data=go.Bar(y=[2, 3, 1]))
fig.show()

2. Tablas

go.Table nos va a entragar un interfaz para visualizar datos mediante tablas, en formato de filas-columnas. Estas tablas las podemos enchular según las necesidades del caso.

#Importar librería
import plotly.graph_objects as go

#Valores a mostrar 
encabezado = ['A Scores', 'B Scores']
valores = [[100, 90, 80, 90], [95, 85, 75, 95]]

#Crear figura
#1. llamar librería y función: go.Figure()
#2. Definir datos: data=[]
#3. Usar go.Table() para definir encabezado (header) y valores(cells)
#4. Guardamos el resultado en una variable -> alpicamos fig.show()
fig = go.Figure(data=[go.Table(header=dict(values=encabezado),
                               cells=dict(values=valores))
                     ])
fig.show()

Podemos arreglar

fig = go.Figure(data=[go.Table(
    #Encabezado
    header=dict(values=encabezado,
                line_color='red', #Color borde: cambiar rojo
                fill_color='lightskyblue', #Color fondo
                align='left'), #Alineación
    #Valores
    cells=dict(values=valores,
               line_color='darkslategray',#Color borde
               fill_color='lightcyan', #Color rojo
               align='left')) #Alineación
])

#Una vez creado el fig podemos editar su tamaño
fig.update_layout(width=300, height=300)
fig.show()

Para modificar el formato de los datos, ejemplo número de decimales, podemos usar format

encabezado = ['A Scores', 'B Scores', 'C Scores']
valores = [[100, 90, 80, 90], [95, 85, 75, 95], [95.12345, 85.12345, 75.12345, 95.12345]]

fig = go.Figure(data=[go.Table(
    #Encabezado
    header=dict(values=encabezado,
                line_color='darkslategray', #Color borde: cambiar rojo
                fill_color='lightskyblue', #Color fondo
                align='left'), #Alineación
    #Valores
    cells=dict(values=valores,
               line_color='darkslategray',#Color borde
               fill_color='lightcyan', #Color rojo
               align='left', #Alineación
               format = [None, ".1f", ".2f"])) #Formato: en una lista va según el número de columnas
                ])

#Una vez creado el fig podemos editar su tamaño
fig.update_layout(width=400, height=300)
fig.show()

3. Gráficos de líneas

Para este ejemplo vamos a usar la librería plotly.express. Dentro de esta tenemos el DataFrame gapminder datos de expectativa de vida, población, PIB por país.

#Importamos la librería
import plotly.express as px

#Usamos un subconjunto de los datos, seleccionamos América
df = px.data.gapminder().query("continent=='Americas'")
df.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
48 Argentina Americas 1952 62.485 17876956 5911.315053 ARG 32
49 Argentina Americas 1957 64.399 19610538 6856.856212 ARG 32
50 Argentina Americas 1962 65.142 21283783 7133.166023 ARG 32
51 Argentina Americas 1967 65.634 22934225 8052.953021 ARG 32
52 Argentina Americas 1972 67.065 24779799 9443.038526 ARG 32 
fig = px.line(df, x="year", y="lifeExp", color='country')
fig.show()

df_sur = df[(df.country=="Argentina" )| (df.country=="Chile") | (df.country=="Uruguay")]
fig = px.line(df_sur, x="year", y="gdpPercap", color='country')
fig.show()

Usamos plotly.express cuando hacemos un ejercicio sencillo. Para comenzar a ejemplos más genéricos o en algunos casos, más complejos, vamos a usar go.Scatter

Como primer ejemplo, vamos a usar una función de los DataFrame llamada pivot_table que nos va a permitir modificar nuestra serie del tipo [Fecha, PIB, Pais] a [Fecha, PIB, Argentina, Chile, Uruguay].

df.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
48 Argentina Americas 1952 62.485 17876956 5911.315053 ARG 32
49 Argentina Americas 1957 64.399 19610538 6856.856212 ARG 32
50 Argentina Americas 1962 65.142 21283783 7133.166023 ARG 32
51 Argentina Americas 1967 65.634 22934225 8052.953021 ARG 32
52 Argentina Americas 1972 67.065 24779799 9443.038526 ARG 32 
import pandas as pd
df_sur2 = pd.pivot_table(df_sur, values=["gdpPercap"], index=["year"], columns="country" )
df_sur2.head()
gdpPercap
country Argentina Chile Uruguay
year
1952 5911.315053 3939.978789 5716.766744
1957 6856.856212 4315.622723 6150.772969
1962 7133.166023 4519.094331 5603.357717
1967 8052.953021 5106.654313 5444.619620
1972 9443.038526 5494.024437 5703.408898 
#Importamos la librería
import plotly.graph_objects as go

#Creamos figura
fig = go.Figure()
#Primer plot

#go.Scatter(x=variable_x, y=variable_y)
fig.add_trace(go.Scatter(x=df_sur2.index, y=df_sur2.gdpPercap.Argentina,
                    mode='lines',
                    name='Argentina'))

#Segundo plot
fig.add_trace(go.Scatter(x=df_sur2.index, y=df_sur2.gdpPercap.Chile,
                    mode='lines+markers',
                    name='Chile'))

# #Tercer plot
fig.add_trace(go.Scatter(x=df_sur2.index, y=df_sur2.gdpPercap.Uruguay,
                    mode='markers', name='Uruguay'))

fig.show()

4. Gráfico de puntos (scatter)

Para un gráfico simple podemos volver a usar plotly.express

#Definimos el tipo gráfico
fig = px.scatter(df_sur, x="gdpPercap", y="lifeExp", color = "country")
fig.show()

Podemos agregar una tercera dimensión, representada en el tamaño de la burbuja. Para esto usamos el argumento size y podemos transformlo en un gráfico de burbujas.

#Definimos el tipo gráfico
fig = px.scatter(df_sur, x="gdpPercap", y="lifeExp", color = "country", size="pop")
fig.show()

Otro ejemplo es agregar una escala de colores para resaltar una categoría

import plotly.graph_objects as go
import numpy as np

df_chile = df[(df.country=="Chile")]

fig = go.Figure(data=go.Scatter(
    x = df_chile.gdpPercap,
    y = df_chile.lifeExp,
    mode='markers',
    marker=dict(
        size=16,
        color=df_chile.lifeExp, #set color equal to a variable
        colorscale='Viridis', # one of plotly colorscales
        showscale=True
    )
))

fig.show()

5. Gráfico de barras

fig = px.bar(df_chile, x='year', y='pop')
fig.show()

df_total = px.data.gapminder()
df_2007 = df_total[df_total.year==2007]
df_2007.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
11 Afghanistan Asia 2007 43.828 31889923 974.580338 AFG 4
23 Albania Europe 2007 76.423 3600523 5937.029526 ALB 8
35 Algeria Africa 2007 72.301 33333216 6223.367465 DZA 12
47 Angola Africa 2007 42.731 12420476 4797.231267 AGO 24
59 Argentina Americas 2007 75.320 40301927 12779.379640 ARG 32 
fig = px.bar(df_2007, x="continent", y="pop", title="Wide-Form Input")
fig.show()

6. Gráfico de torta

df.loc[df['pop'] < 8.e6, 'country'] = 'Other countries' # Represent only large countries
fig = px.pie(df, values='pop', names='country', title='Población en América')
fig.show()

7. Animación

df.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
48 Argentina Americas 1952 62.485 17876956 5911.315053 ARG 32
49 Argentina Americas 1957 64.399 19610538 6856.856212 ARG 32
50 Argentina Americas 1962 65.142 21283783 7133.166023 ARG 32
51 Argentina Americas 1967 65.634 22934225 8052.953021 ARG 32
52 Argentina Americas 1972 67.065 24779799 9443.038526 ARG 32 
import plotly.express as px
df = px.data.gapminder()

fig = px.scatter(df, x="gdpPercap", y="lifeExp", 
                 animation_frame="year", 
                 animation_group="country",
                 size="pop", 
                 color="continent", 
                 hover_name="country", 
                 facet_col="continent",
                 log_x=True, size_max=45, range_x=[100,100000], range_y=[25,90]
                )
fig.show()

fig = px.bar(df, x="continent", y="pop", 
             color="continent",
             animation_frame="year", 
             animation_group="country", 
             range_y=[0,4000000000])
fig.show()

8. Mapa de calor

df = px.data.gapminder().query("continent=='Americas'")
df.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
48 Argentina Americas 1952 62.485 17876956 5911.315053 ARG 32
49 Argentina Americas 1957 64.399 19610538 6856.856212 ARG 32
50 Argentina Americas 1962 65.142 21283783 7133.166023 ARG 32
51 Argentina Americas 1967 65.634 22934225 8052.953021 ARG 32
52 Argentina Americas 1972 67.065 24779799 9443.038526 ARG 32 
fig = go.Figure(data=go.Heatmap(
        z=df.lifeExp,
        x=df.year,
        y=df.country,
        colorscale='Viridis'
        ))

fig.update_layout(
    title='Expectativa de vida',
    xaxis_nticks=13)

fig.update_layout(width=750, height=750)
fig.show()

9. sunburst charts

import plotly.express as px

df = px.data.gapminder().query("year == 2007")


fig = px.sunburst(df, path=['continent', 'country'], values='pop', color='lifeExp',
                  hover_data=['iso_alpha'])
fig.show()

10. Treemap

df.head()
country continent year lifeExp pop gdpPercap iso_alpha iso_num
11 Afghanistan Asia 2007 43.828 31889923 974.580338 AFG 4
23 Albania Europe 2007 76.423 3600523 5937.029526 ALB 8
35 Algeria Africa 2007 72.301 33333216 6223.367465 DZA 12
47 Angola Africa 2007 42.731 12420476 4797.231267 AGO 24
59 Argentina Americas 2007 75.320 40301927 12779.379640 ARG 32 
import plotly.express as px
import numpy as np
df = px.data.gapminder().query("year == 2007")

fig = px.treemap(df, path=[px.Constant('world'), 'continent', 'country'], values='pop',  
                  hover_data=['iso_alpha'])
fig.show()

11. Histograma

import plotly.express as px
df = px.data.tips()
fig = px.histogram(df, x="total_bill", y="tip", color="sex", marginal="rug", hover_data=df.columns)
fig.show()

12. box plots

import plotly.express as px
df = px.data.tips()
fig = px.box(df, x="day", y="total_bill", color="smoker", notched=True)
fig.show()

Actividad

Instrucciones:

  • Cada pregunta la debe responder en una celda diferente (en total 4 celdas de código).

  • Antes de cada celda de código debe ir un markdown que muestre la pregunta que está respondiendo.

  • En la celda de código debe agregar un breve comentario de qué está haciendo.

Revisar las bases y ver como vienen. Limpiar (en excel) para que sea sencillo importar los datos. Por ejemplo, en la base de EMPLEO las primeras 5 filas son celdas vacías o título de la hoja. Eso se puede borrar. Las columnas “C”, “E” y otras son columnas en blanco, eliminar para que no queden a la hora de importar. La fila 7 tiene un subtítulo “en miles” que no aporta, también se puede eliminar. La idea es que las bases queden sólo con las filas y columnas que va a importar a python.

Utilizando pandas importar las 4 bases, llamar: DF_IMACEC, DF_EMP, DF_IMP, DF_EXP. Limpiar para que se puedan trabajar (cambiar los nombres de variables, chequear el tipo de datos, revisar en qué fecha parten).

  1. Crear un DataFrame que tenga la variación porcentual anual de personas para las categorías independientes (total) y asalariados (total).

  2. Usando el DataFrame del IMACEC, transponer para que las fechas queden en las filas y las categorías como columnas. Para esto puede usar la función de pandas pivot_table.

  3. Al DF del punto 1), agregar la variación porcentual anual del imacec del punto 2), usando un inner join.

  4. Utilizando plotly, crear un subplot que contenga:

    1. Gráfico con la variación anual de independientes, asalariados e IMACEC. Debe usar líneas, markes o dash para diferenciar las tres líneas.

    2. Usando los DataFrame de exportaciones (EXP) e importaciones (IMP), crear un gráfico de scatter que tenga el total de exportaciones en el eje horizontal y el total de importaciones (CIF) en el vertical. Agregue al gráfico una línea de 45°.

    3. Dentro de las exportaciones seleccione: total exportaciones, minería,  agropecuario-silvícola y pesquero, industriales. Utilizando la primera fecha (enero-2009) como base 100, crear un mapa de calor que en el eje horizontal tenga las fechas y en el vertical las 4 categorías. Cambie la escala de colores (no utilizar el por defecto).

Cada gráfico debe tener un subtítulo, nombre de ejes y una leyenda -según corresponda-. hint: la clave es que ordene bien los datos antes del gráfico. Luego piense bien a qué debe llegar.

Clase 14: continuación con los datos Clase 17: Introducción al análisis de texto (text mining)