Crea gráficos de espagueti hermosos (y útiles) con Python

Crea gráficos de espagueti con Python

¡Los gráficos de líneas apiladas están muy de moda en este momento!

Foto de Hunter Harritt en Unsplash

Últimamente ha habido muchos artículos sobre el cambio climático, y muchos de ellos presentan gráficos de líneas apiladas que resumen datos a lo largo de varias décadas. Aquí tienes un ejemplo del Climate Reanalyzer que muestra cómo las temperaturas del mar durante el último año y medio han estado por encima del promedio [1]:

Temperatura de la superficie del mar global (60S-60N) (1981–2023) [1]

Y aquí tienes un gráfico similar del sitio del Dr. Zachary Labe que muestra la extensión del hielo marino antártico durante los últimos 40 años [2]:

Extensión del hielo marino antártico (1978–2023) [2]

Estos gráficos se han convertido en una opción popular para infografías, como en este artículo, pero esta popularidad es un poco sorprendente [3]. Debido a la dificultad de seguir líneas individuales en estas representaciones densas y enredadas, generalmente se evitan y se desacreditan como “gráficos espagueti”.

Pero hay un secreto para utilizar gráficos espagueti con éxito. Debes enfatizar una o dos líneas en contraste con un fondo disminuido de todas las demás líneas. Esta estrategia te permite colocar las líneas seleccionadas dentro de un contexto general. ¿Representan resultados normales o son valores atípicos? ¿Los resultados son realmente buenos o realmente malos? Al superponerlos en una tendencia de fondo, la historia se escribe sola.

En este proyecto de Ciencia de Datos de Éxito Rápido, vamos a producir una réplica del gráfico anterior del hielo marino antártico utilizando la biblioteca de gráficos Plotly Express. Con este ejemplo de código, deberías poder generar gráficos similares para tus propios conjuntos de datos.

Centro Nacional de Datos de Nieve y Hielo

Para los datos, utilizaremos un conjunto de datos público y exhaustivo compilado por el Centro Nacional de Datos de Nieve y Hielo, que forma parte del Instituto Cooperativo de Investigación en Ciencias Ambientales (CIRES) de la Universidad de Colorado, Boulder [4]. Este conjunto de datos utiliza imágenes satelitales para rastrear y monitorear los cambios en el hielo marino polar, como el “halo” de hielo alrededor de la Antártida.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Explorando las últimas tendencias en IA/DL Desde el Metaverso hasta la Computación Cuántica

El autor discute varias tendencias emergentes en Inteligencia Artificial y Aprendizaje Profundo, como el Metaverso y ...

Noticias de Inteligencia Artificial

Productores de alimentos se unen frente a amenazas cibernéticas.

Los ejecutivos de empresas de alimentos y agricultura de EE. UU. dicen que están formalizando colaborativamente el in...

Inteligencia Artificial

La modelación en 3D se basa en la inteligencia artificial

La inteligencia artificial puede desbloquear mejoras en velocidad y calidad en gráficos tridimensionales.

Inteligencia Artificial

Investigadores de UCLA y CMU presentan Stormer Una red neuronal Transformadora escalable para una pronóstico meteorológico de mediano alcance hábil y confiable.

Uno de los principales problemas que enfrenta la ciencia y la sociedad hoy en día es la predicción del tiempo. La pre...