Visualización Multivariable: Scatterplot y Regresión

Taller 1 - Visualización Multivariable: Scatterplot y Regresión

Taller 1 - Visualización Multivariable en Tableau

Objetivo

Crear visualizaciones multivariables en Tableau usando el dataset de pingüinos, enfocándonos en scatterplots y gráficos de regresión para analizar la relación entre la longitud del pico y la longitud de las aletas, diferenciando por especie.

Paso a Paso

1. Cargar los Datos

  • Abrir Tableau y seleccionar Archivo de texto como fuente de datos.
  • Cargar el dataset de pingüinos (CSV).
  • Verificar columnas: especie, isla, longitud del pico, profundidad del pico, longitud de las aletas, sexo, peso.

2. Crear el Scatterplot

  • Crear nueva hoja de trabajo: Scatterplot de Regresión.
  • Arrastrar longitud del pico a Columnas y longitud de las aletas a Filas.
  • Ir a Análisis y desmarcar Medidas agregadas.

3. Ajuste de Ejes

  • Editar eje X e Y: desmarcar Incluir el cero.
  • Reducir el tamaño de los puntos en Size.

4. Añadir Línea de Tendencia

  • Click derecho sobre el gráfico → Show Trend Lines.
  • Click derecho sobre la línea → Describe Trend Model para ver el valor R².

5. Colorear por Especie

  • Arrastrar Especie al área de Color en Marcas.
  • Tableau dibujará varias líneas de tendencia, una por especie, mostrando distintos niveles de correlación.

Análisis y Reflexión

  • ¿Qué especies presentan mayor correlación entre longitud del pico y longitud de aletas?
  • ¿Qué conclusiones puedes extraer sobre las diferencias morfológicas entre especies?

Entrega

  1. Captura de pantalla del scatterplot con línea de regresión.
  2. Análisis por especie del valor de R² y la fórmula de la regresión.
  3. Reflexión general sobre el uso del scatterplot multivariable.

Comentarios

Publicar un comentario

Entradas más populares de este blog

Taller: Storytelling con el Mercado de Analistas de Datos Taller en Google Colab: Storytelling con el Mercado de Analistas de Datos Objetivo: Analizar el dataset de Kaggle sobre ofertas laborales para analistas de datos y construir una historia visual con hallazgos clave. 🔗 Paso 1: Accede a Google Colab Conoce a Alex, un joven apasionado por los datos. Ha decidido convertirse en analista de datos y quiere explorar el mercado laboral para entender dónde postularse y qué habilidades necesita. 1. Ingresa a https://colab.research.google.com . 2. Crea un nuevo notebook. 3. Cambia el nombre a: Storytelling_AnalystJobs . 📥 Paso 2: Cargar el dataset Alex encontró un interesante dataset de Kaggle con miles de ofertas laborales para analistas de datos. Ahora quiere cargarlo en su notebook para comenzar su análisis. 1. Descarga el archivo CSV desde Kaggle . 2. Sube el archivo a tu notebook usando: from google.colab ...
Leer más

Taller - Dashboard en Python

Taller - Dashboard en Python (Google Colab) 📈 Taller: Creación de Dashboard Interactivo en Python con Datos de Recursos Humanos 🌟 Objetivo: Aprenderás a construir un dashboard de análisis de Recursos Humanos usando Google Colab y librerías de visualización interactivas como Plotly . Al finalizar, generarás un archivo HTML con todas tus gráficas. 🔹 Instrucciones paso a paso: Sube el archivo RRHH.xlsx a tu entorno de Google Colab. Ejecuta el siguiente bloque para instalar las librerías necesarias: !pip install pandas plotly openpyxl seaborn matplotlib Carga el archivo Excel: import pandas as pd df = pd.read_excel("RRHH.xlsx") df.head() Limpieza de datos y corrección de tipos: Convertir fechas: df["Fecha_Contratacion"] = pd.to_datetime(df["Fecha_Contratacion"], errors='coerce') Reemplazar valores nulos o erróneos: # Reemp...
Leer más