4/27/22, 11:14 PM Exploratory Data Analysis.

ipynb - Colaboratory

Exploratory Data Analysis en Python.

Link al archivo en Google Colab

Introduccion

Qué es el Analisis Exploratorio ?

Exploratory Data Analysis o (EDA) es el proceso para entender un set de datos sumarizando sus
caracteristicas y mostrandolas visualmente. Este paso es sumamente importante en el
modelado de datos y la posterior aplicacion de Machine Learning. En el EDA se utilizan
histogramas, Boxplots, Scatter plotes o cualquier otra visualizacion que ayude a representas las
columnas sea univariada o multivariadamente. Explorar los datos toma tiempo y ayuda a definir
el conjunto de datos necesarios para abordar un problema asi como a entender el problema en
si mismo

Como hacer el EDA ?

No hay un método definido para llevarlo adelante, depende principalmente de los datos que se
estan explorando, por ejemplo, si hay datos categoricos (categorias o etiquetas) se suele contar
cantidades y poner los datos numericos en funcion de estas, si se analizan datos historicos
suele ser interesante ver el comportamiento de las variables en funcion del tiempo. En datasets

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 1/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

con texto libre se practica procesamiento de lenguaje natural para investigar repeticiones de
palabras o n-gramas

Info del Dataset

Este EDA se realizó sobre el dataset de ejemplo del Titanic que contiene la lista de pasajeros del
barco y sus acompañantes

1. Importar las librerias necesarias

!pip install matplotlib seaborn --upgrade

Requirement already satisfied: matplotlib in /usr/local/lib/python3.7/dist-pa

Requirement already satisfied: seaborn in /usr/local/lib/python3.7/dist-packa
Requirement already satisfied: kiwisolver>=1.0.1 in /usr/local/lib/python3.7/
Requirement already satisfied: numpy>=1.17 in /usr/local/lib/python3.7/dist-p
Requirement already satisfied: pillow>=6.2.0 in /usr/local/lib/python3.7/dist
Requirement already satisfied: pyparsing>=2.2.1 in /usr/local/lib/python3.7/d
Requirement already satisfied: python-dateutil>=2.7 in /usr/local/lib/python3
Requirement already satisfied: packaging>=20.0 in /usr/local/lib/python3.7/di
Requirement already satisfied: cycler>=0.10 in /usr/local/lib/python3.7/dist-
Requirement already satisfied: fonttools>=4.22.0 in /usr/local/lib/python3.7/
Requirement already satisfied: typing-extensions in /usr/local/lib/python3.7/
Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.7/dist-pack
Requirement already satisfied: pandas>=0.23 in /usr/local/lib/python3.7/dist-
Requirement already satisfied: scipy>=1.0 in /usr/local/lib/python3.7/dist-pa
Requirement already satisfied: pytz>=2017.3 in /usr/local/lib/python3.7/dist-

import pandas as pd
import numpy as np
import seaborn as sns #visualisacion
import matplotlib.pyplot as plt #visualisacion
from matplotlib import rcParams
%matplotlib inline
sns.set(color_codes=True)
pd.set_option('display.max_columns', None)
rcParams['figure.figsize'] = 12,8

2. Cargar el dataset en un data frame de Pandas.

Pandas es la libreria de Python mas importante para el manejo de datos tabulares. En este caso
particular estoy leyendo el dataset desde internet, pero Google Colab tiene la opcion de cargar
archivos desde local o conectarse a Google Drive
https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 2/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

df_path = "https://web.stanford.edu/class/archive/cs/cs109/cs109.1166/stuff/titanic
df = pd.read_csv(df_path)
df

Siblings/Spouses Parents/Children
Survived Pclass Name Sex Age
Aboard Aboard

Mr. Owen
0 0 3 Harris male 22.0 1 0
Braund

Mrs. John
Bradley
(Florence
1 1 1 female 38.0 1 0
Briggs
Thayer)
Cum...

Miss.
2 1 3 Laina female 26.0 0 0
Heikkinen

Mrs.
Jacques
Heath
3 1 1 female 35.0 1 0
(Lily May
Peel)
Futrelle

3. Revisamos tipos de datos

La funcion info() nos muestra la cantidad de datos no nulos en cada columna asi como los tipos
de dato. Hay 5 tipo básicos que podemos identificar, object que en general representa strigs,
float64, números de punto flotante, int64, números enteros, datetime que codifica fechas y
boolean que muestra valores verdaderos/falsos

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 887 entries, 0 to 886
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Survived 887 non-null int64
1 Pclass 887 non-null int64
2 Name 887 non-null object
3 Sex 887 non-null object
4 Age 887 non-null float64
5 Siblings/Spouses Aboard 887 non-null int64

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 3/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

6 Parents/Children Aboard 887 non-null int64

7 Fare 887 non-null float64
dtypes: float64(2), int64(4), object(2)
memory usage: 55.6+ KB

Es importante revisar los tipos de dato para validar que los datos son interpretados
correctamente. En este caso el campo Pclass que indica la clase en la que viajaban los
pasajeros (1ra, 2da o 3ra) es un int64, pero en la práctica es una etiqueta sobre la que no vamos
a realizar ningun calculo matemático, por lo que elegimos convertirlo a object

df['Pclass'] = df['Pclass'].astype(str)

Tambien podemos observar que el campo Age esta codificado como float64 cuando la lógica
indica que es un entero, pero antes de realizar esta conversion necesitamos averiguar un poco
mas del contenido. Por el momento no realizamos ningun cambio

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 887 entries, 0 to 886
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Survived 887 non-null int64
1 Pclass 887 non-null object
2 Name 887 non-null object
3 Sex 887 non-null object
4 Age 887 non-null float64
5 Siblings/Spouses Aboard 887 non-null int64
6 Parents/Children Aboard 887 non-null int64
7 Fare 887 non-null float64
dtypes: float64(2), int64(3), object(3)
memory usage: 55.6+ KB

4. Renomabrar columnas

Podemos cambiar los nombres de las columnas para que sean mas simples de interpretar. Por
ejemplo:

df = df.rename(columns={"Pclass": "Boarding_class", "Siblings/Spouses Aboard": "sib

df.head(5)

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 4/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

Survived Boarding_class Name Sex Age siblings parent_children

Mr. Owen
0 0 3 Harris male 22.0 1 0
Braund

Mrs. John
Bradley
(Florence
1 1 1 female 38.0 1 0 7
Briggs
Thayer)

5. Buscar duplicados

Una práctica comun es revisar los datos para encontrar duplicados de forma general (filas
completas duplicadas) o en forma particulas sobre los indices o columnas primarias como por
ejemplo, mas de una fila por cliente pero con distintos datos

df.shape

(887, 8)

duplicate_rows_df = df[df.duplicated()]
print("Filas Duplicadas: ", duplicate_rows_df.shape)

Filas Duplicadas: (0, 8)

En este caso, comprobamos que no hay duplicados

df.count() # Used to count the number of rows

Survived 887
Boarding_class 887
Name 887
Sex 887
Age 887
siblings 887
parent_children 887
Fare 887
dtype: int64

6. Missing o null values.

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 5/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

De la misma forma que en el paso anterior, buscamos valores faltantes o nulls en las variables.
Dependiendo de lo que encontremos podriamos:

1. Eliminar filas enteras si faltaran muchos valores en la fila.

2. Remplazar los nulos con algun valor por defecto, por ejemplo el promedio de la columna
3. Estimar los valores faltantes por medio de algun algoritmo, como podria ser una regresion
en base al resto de variables
print(df.isnull().sum())

Survived 0
Boarding_class 0
Name 0
Sex 0
Age 0
siblings 0
parent_children 0
Fare 0
dtype: int64

En este caso, podemos ver que no hay valores faltantes a simple vista

7. Detectar Outliers

Un outlier o dato atípico es un punto o grupo de puntos que es diferente de los demas. Los
datos atípicos pueden perjudicar el rendimiento de los modelos y no nos permiten ver la
distribucion real de la variable. Veamos el siguiente ejemplo

An outlier is a point or set of points that are different from other points. Sometimes they can be
very high or very low. It's often a good idea to detect and remove the outliers. Because outliers
are one of the primary reasons for resulting in a less accurate model. Hence it's a good idea to
remove them. The outlier detection and removing that I am going to perform is called IQR score
technique. Often outliers can be seen with visualizations using a box plot. Shown below are the
box plot of MSRP, Cylinders, Horsepower and EngineSize. Herein all the plots, you can find some
points are outside the box they are none other than outliers. The technique of finding and
removing outlier that I am performing in this assignment is taken help of a tutorial from towards
data science.

sns.boxplot(x=df['Fare'])

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 6/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='Fare'>

Primero veamos como leemos un boxplot, aqui un ejemplo

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 7/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

Como podemos ver, el grueso de la distribución se encuentra en la caja y los bigotes, y lo que
esta por encima o por debajo es considerado estadisticamente un outlier. Ahora veamos el
boxplot de la variable Fare de nuevo sin el dato de >500

sns.boxplot(x=df.loc[df['Fare']<500,'Fare'])

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 8/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='Fare'>

Como se puede apreciar aun hay outliers, pero ya podemos ver un poco mejor la caja. Lo que
nos muestra la visualizacion es que el grueso de la población pagó como tarifa entre 0 y 60$ y el
resto son datos atípicos

Ahora, que hacemos con estos datos? Lo primero es enteder si son correctos, ese
entendimiento siempre proviene del negocio, si no son correctos, arreglarlo con el valor
verdadero (casi nunca se puede) o eliminar la fila (no queremos valores que sabemos que son
incorrectos)

Si fueran correcto o no podemos validarlo, podriamos eliminar todos los casos pero no siempre
es la mejor opcion, imaginense que el objetivo de trabajar con este dataset fuera definir el precio
de los boletos de 1ra, 2da y 3ra clase en base a lo que pagaron los tripulantes del viaje original,
estariamos eliminando a la gente que pago mas y es una conocida estrategia de marketing
venderles a los que puede pagar mas, por lo que en ese caso, eliminarlos seria
contraproducente.

Para concluir, eliminar alguno o todos los outliers es una decision que se toma en base a toda la
información y al problema que se intenta abordar

Veamos ahora el resto de las variables numéricas

sns.boxplot(x=df['Age'])

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 9/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='Age'>

En el boxplot de Age, tenemos algunos outliers de edad avanzada que suenan raros para la
época, pero que no son imposibles

df.loc[df.Age>70]

Survived Boarding_class Name Sex Age siblings parent_childr

Mr. George
95 0 1 B male 71.0 0
Goldschmidt

Mr. Patrick
115 0 3 male 70.5 0
Connors

Mr. Ramon
490 0 1 male 71.0 0
Artagaveytia

sns.boxplot(x=df['siblings'])

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 10/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='siblings'>

sns.boxplot(x=df['parent_children'])

<AxesSubplot:xlabel='parent_children'>

En el caso de parent_children, la mayoria de los tripulantes subieron sin padres ni hijos, por eso
la caja y los bigotes estan comprimidos en el 0. Dicho esto podriamos considerar directamente
no usar la variable para ningun analisis, pero antes validemos cuantos hay en los buckets del 1
al 6

#df[['parent_children', 'Survived']].groupby('parent_children').count()
#sns.countplot(df['parent_children'])
ax = sns.countplot(x=df['parent_children'],
order=df['parent_children'].value_counts(ascending=False).index

abs_values = df['parent_children'].value_counts(ascending=False).values

ax.bar_label(container=ax.containers[0], labels=abs_values)

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 11/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

[Text(0, 0, '674'),
Text(0, 0, '118'),
Text(0, 0, '80'),
Text(0, 0, '5'),
Text(0, 0, '5'),
Text(0, 0, '4'),
Text(0, 0, '1')]

Como podemos ver, no es un solo caso en los outliers, entre 1 y 2 hay casi 200 familias. por lo
que no seria recomendable eliminarlos. Pero revisemos el caso puntual de los mas grandes

df.loc[df.parent_children>=5]

Survived Boarding_class Name Sex Age siblings parent_child

Mr. Anders
13 0 3 Johan male 39.0 1
Andersson

Mrs. Carl
Oscar
(Selma
25 1 3 female 38.0 1
Augusta
Emilia
Johansso...

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 12/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

Los ejemplos se ven correctos, son personas que estaban en 3ra clase y viajaron,
probablemente, con sus hijos

8. Histogramas y Analisis Bivariado

Histograma
Un histogramas es una representación gráfica de una variable en forma de barras, donde la
superficie de cada barra es proporcional a la frecuencia de los valores representados. Sirven
para obtener una "primera vista" general, o panorama, de la distribución de la población, o de la
muestra, respecto a una característica, cuantitativa y continua.

Que hacemos en el caso de las variables categoricas?. Un grafico de barras o Countplot que
muestra la cantidad de ejemplos por categoria como vimos en el caso anterior

Repasemos nuevamente nuestra lista de variables

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 887 entries, 0 to 886
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Survived 887 non-null int64
1 Boarding_class 887 non-null object
2 Name 887 non-null object
3 Sex 887 non-null object
4 Age 887 non-null float64
5 siblings 887 non-null int64
6 parent_children 887 non-null int64
7 Fare 887 non-null float64
dtypes: float64(2), int64(3), object(3)
memory usage: 55.6+ KB

sns.countplot(x=df.Survived, color='lightblue')

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 13/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='Survived', ylabel='count'>

sns.countplot(x=df.Boarding_class, color='red')

<AxesSubplot:xlabel='Boarding_class', ylabel='count'>

sns.countplot(x=df.Sex, color='red')

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 14/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='Sex', ylabel='count'>

Correlación
Este análisis nos muestra que tan dependientes son las variables unas de otras. Solo aplica
para variables numericas

plt.figure(figsize=(10,5))
c= df.corr()
sns.heatmap(c,cmap="BrBG",annot=True)
c

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 15/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

Survived Age siblings parent_children Fare

Survived 1.000000 -0.059665 -0.037082 0.080097 0.256179

Age -0.059665 1.000000 -0.297669 -0.193741 0.112329

siblings -0.037082 -0.297669 1.000000 0.414244 0.158839

parent_children 0.080097 -0.193741 0.414244 1.000000 0.215470

Fare 0.256179 0.112329 0.158839 0.215470 1.000000

De este grafico podesmos destacar algunas relaciones aunque no hay correlaciones fuertes.

1. Hay una leve correlacion positiva entre Survived y Fare, lo que tiene sentido ya que habia
mas gente de 3ra clase que de las otras y se conoce que fallecio mas gente de 3ra
2. Correlación positiva entre siblings/spouse y parent_children, que puede esta relacionacion
con que mas parejas llevaron a sus hijos que cabezas de familia que viajaron solas

Pero revisemos estas dos afirmaciones un poco mas en detalle.

Revisemos la primera afirmacion.

sns.catplot(x="Boarding_class", y="Fare", data=df)

<seaborn.axisgrid.FacetGrid at 0x7f4bf9498fd0>

Como convertimos la columna Boarding_class a string al principio del ejericio, la herramienta de

visualización muestra las clases por orden de aparicion en el dataset, por lo que vamos a
especificar el orden

sns.catplot(x="Boarding_class", y="Fare", data=df, order=['1', '2', '3'])

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 16/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<seaborn.axisgrid.FacetGrid at 0x7f4bf958a110>

Podemos ver que si bien la primera clase tiene las tarifas mas altas, noy hay tanta diferencia
entre las clases 2 y 3. Veamos que paso entre las clases y el indice de supervivencia

sns.countplot(x="Boarding_class", hue="Survived", data=df, order=['1', '2', '3'])

<AxesSubplot:xlabel='Boarding_class', ylabel='count'>

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 17/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

Asi podemos observar la correlacion, esa positividad se da porque fallecio mas gente de 3ra
clase que pago tarifas mas bajas, mientras que de 1ra clase donde se pagaron las tarifas mas
altas sobrevivió mas gente del total de la clase

Scatterplot
Usamos scatterplot para revisar la correlation entre dos variables. Veamos ahora la relacion
entre siblings/spouse y parent_children para confirmar la segunda

sns.scatterplot(data=df, x="siblings", y="parent_children")

<AxesSubplot:xlabel='siblings', ylabel='parent_children'>

Si bien se puede apreciar una relacion positiva entre ambas variables, la visualizacion no
muestra bien las cantidades. Probemos otra cosa

sns.histplot(data=df, x="siblings",hue='parent_children', multiple='stack', color=

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 18/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='siblings', ylabel='Count'>

Aca se puede interpretar un poco mejor, pero al estar la mayor cantidad en 0 el resto de los
valores no se aprecia correctamente

sns.violinplot(data=df, x="siblings", y="parent_children")

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 19/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

<AxesSubplot:xlabel='siblings', ylabel='parent_children'>
df.loc[df.siblings==0].groupby("parent_children").count()

Survived Boarding_class Name Sex Age siblings Fare

parent_children

0 533 533 533 533 533 533 533

1 38 38 38 38 38 38 38

2 29 29 29 29 29 29 29

3 1 1 1 1 1 1 1

4 1 1 1 1 1 1 1

5 2 2 2 2 2 2 2

df.loc[df.siblings==4].groupby("parent_children").count()

Survived Boarding_class Name Sex Age siblings Fare

parent_children

1 9 9 9 9 9 9 9

2 9 9 9 9 9 9 9

Un grafico de violin nos muetra mejor la situación por la cual se ve la correlación. El violin plot
combina la funcionalidad del box plot (mostrando los cuartiles de la distribución) y la de la
estimación de densidad kernel. Ésta es una forma muy atractiva de mostrar la distribución de un
conjunto de datos con respecto a una variable categórica, en este caso en funcion de una
variable entera.

Como podemos ver, en los valores 0, 1 y 2 de siblings, predominan los valores 0 y 1 de

parent_children (con algunos outlier), y a partir de siblings=3 se ve como parent_children se
mueve entre 1 y 2

Como mencioné al principio de este análisis, no hay un método o receta particular para llevar
adelante un analisis exploratorio, tampoco hay un limite sobre cuanto se puede explorar. Este
notebook busca mostrar un acercamiento y algunos tips al respecto

Muchas Gracias.

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 20/21
4/27/22, 11:14 PM Exploratory Data Analysis.ipynb - Colaboratory

check 0s completed at 11:11 PM

https://colab.research.google.com/drive/1oTA5jHzhkOftrjrF-ZsAw15Zi5P2HJPI#scrollTo=TEfC0QszTKX_&printMode=true 21/21